رويكردي نوين جهت انتخاب و پيشنهاد مكان مورد علاقه بر پايه شبكه عصبي كانولوشن عميق

فاقد عنوان

به بخشي اساسي از زندگي روزمره كاربران تبديل شده Gowalla و Yelp فعاليت در شبكههاي اجتماعي مبتني بر مكان مانند است و به راحتي ميتوانند از رفتارهاي دوستان خود و نقاط جذاب بازديد شده توسط آنان اطلاع يافته و تحت تأثير آنها قرار گيرند. در نتيجه، وجود توصيه هاي هدفمند و استخراج ويژگيهاي كليدي نقاط مورد علاقه و كاربران از اهميت بالايي برخوردار است. در اين مقاله، يك روش جديد براي توصيه نقاط مورد علاقه مبتني بر شبكه عصبي كانولوشن پيشنهاد شده است، كه با استفاده C-Means توجه به الگوي رفتاري شبيه ترين دوست كاربر عمل ميكند. براي يافتن شباهت، از روش خوشه بندي فازي ميكنيم و مكان هاي نزديك به مركز يك خوشه از ميزان وابستگي بالاتري برخوردار خواهند بود. چارچوب پيشنهادي شبكه عصبي كانولوشن ارائه شده به عنوان ورودي، شش ويژگي شامل شناسه كاربر، ماه، روز، ساعت، دقيقه و ثانيه كه زمان بازديد هر كاربر ميباشد را در نظر ميگيرد و با 9 لايه ميتواند طول و عرض جغرافيايي و شناسه مكانهاي مناسب بعدي را پيشبيني كرده و سپس بر اساس كوتاهترين فاصله از الگوي رفتاري دوست مشابه، مكانهاي پيشنهادي دقيق را توصيه كند. تكنيك ما در دو مجموعه داده شبكه هاي اجتماعي مبتني بر مكان ارزيابي شده و نتايج تجربي نشان ميدهد كه روش پيشنهادي دقت بالاتري نسبت به رويكردهاي پيشرفته براي توصيه مكانهاي مورد علاقه دارد.

not abstract