融合神经网络和泊松分解的兴趣点推荐算法

摘要

针对兴趣点推荐系统存在的隐式反馈建模用户-POI交互准确率不高和忽视用户签到数据的隐性反馈属性的问题.提出了一种新颖的兴趣点推荐算法.具体而言,采用一种基于神经网络的排序算法来捕获用户-兴趣点的交互关系,结合泊松分解算法和贝叶斯个性化排序技术建模用户的签到行为,将上述2个步骤得到的算法整合到统一的推荐算法架构中,从而提供兴趣点推荐服务.实验结果表明,提出的算法推荐性能优于传统主流先进兴趣点推荐算法.