2021年10月1日 · However, the current techniques suffer from lower precision during prediction and the practical value is poor, which is due to the sparse data of users' check-in. Faced with this challenge, we propose an attention-based bidirectional gated recurrent unit (GRU) model for POI category prediction (ABG_poic).

2021年3月25日 · Therefore, we propose a category-aware gated recurrent unit (GRU) model to mitigate the negative impact of sparse check-in data, capture long-range dependence between user check-ins and get better recommendation results of POI category.

2020年1月25日 · This is a companion discussion topic for the original entry at https://copr.fedorainfracloud.org/coprs/poigru/porscheinformatik/

Therefore, we propose a category-aware gated recurrent unit (GRU) model to mitigate the negative impact of sparse check-in data, capture long-range dependence between user check-ins and get better recommendation results of POI category.

为此，我们提出了一种基于用户关系和偏好信息的下一个 POI 推荐方法，称为 URPI-GRU（用户关系和偏好信息门控循环单元）。 URPI-GRU 包含两个模块，短期模块和长期模块。 首先，我们构建用户关系图并学习用户关系向量。 然后我们根据用户的签到时间将签到分为当前偏好、周期性偏好和长期偏好。 在短期模块中，通过 GRU 模型学习用户的周期性偏好和当前偏好，并将它们与用户关系向量连接起来学习 POI 的短期得分。 在长期模块中，通过 K 最近邻序列以获得 POI …

本文提出一种基于BERT-ACNN-GRU的兴趣点（POI）序列推荐算法，以解决现有POI推荐模型在社交网络大数据中面临的深层特征信息提取困难、数据量大等问题。 推荐性能低。 首先，利用双向编码器表示变换器（BERT）模型结合文本中单词与其上下文之间的语义关系，有效消除单词距离的影响，获得上下文化的单词向量。 其次，利用门控循环单元（GRU）的卷积神经网络（CNN）来捕获文本的特征信息。 最后，注意力方法用于为各个术语分配权重分数，以便对 …

However, the current techniques suffer from lower precision during prediction and the practical value is poor, which is due to the sparse data of users'' check‐in. Faced with this challenge, we propose an attention‐based bidirectional gated recurrent unit (GRU) model for POI category prediction (ABG_poic).

该模型基于序列到序列的框架下，将用户信息、POI信息、类别信息和时空上下文信息进行向量化后嵌入GRU网络中，同时利用了时间注意力机制、全局和局部的空间注意力机制来综合考虑用户偏好与变化趋势，从而向用户推荐感兴趣的Top-N的POI。 该文通过在两个真实的数据集上实验来验证模型的性能。 实验的结果表明，该文所提出的方法在召回率 (Recall)和归一化折损累计增益 (NDCG)方面优于几种现有的方法。

poigru Involved Projects and Packages. Projects / Packages Projects Packages Role Owner Maintainer Bugowner Reviewer Downloader Reader Apply Filter home:porscheinformatik. Maintainer. Locations. Projects; Search; Help. OpenBuildService.org; Documentation; API Documentation; Code of Conduct; Contact. Support

2021年3月25日 · Therefore, we propose a category‐aware gated recurrent unit (GRU) model to mitigate the negative impact of sparse check‐in data, capture long‐range dependence between user check‐ins and get better...