基于图神经网络和异构信息的兴趣点分类

摘要

基于移动网络的快速发展,饿了么、美团等这一类基于位置的社交网络在我们日常生活中日益普及,随即积累了大量的用户在兴趣点的签到数据、评论.这就激发了许多研究者对兴趣点进行各种研究,例如兴趣点分类、推荐任务.但现有众多的研究都是基于评论数据,进而把兴趣点分类转化为文本分类,而忽略兴趣点的其他信息,例如兴趣点的名称信息.针对以上问题,提出结合兴趣点名称和评论文本的信息,为城市兴趣点构建一个异构图网络,利用图卷积神经网络模型进行兴趣点分类.实验证明,所提出的异构图模型,充分利用这两种异质信息,并相对于基准模型不仅保持其准确率,还提高训练性能,在现实世界的真实数据中有着良好的表现.