BriefGPT - AI 论文速递
·
元学习增强的下一个兴趣点推荐：利用辅助城市的签到记录
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于自编码器的模型，即SAE-NAD，用于学习非线性用户-地点关系。通过多维关注机制自适应地区分用户偏好程度，并通过POI嵌入与径向基函数内积相结合的方法实现在检查的POI的相似和附近邻居上使用户到达更高的可达性。在三个真实世界数据集上进行了广泛的实验，证明了本模型的有效性。
🎯
关键要点
-
提出了一种基于自编码器的模型SAE-NAD
-
该模型用于学习非线性用户-地点关系
-
采用多维关注机制自适应地区分用户偏好程度
-
结合POI嵌入与径向基函数内积的方法
-
提高用户在检查的POI的相似和附近邻居上的可达性
-
在三个真实世界数据集上进行了广泛的实验
-
实验结果证明了本模型的有效性
🏷️
