Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Database Performance Tuning and Query Optimization Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Deep Point-of-Interest Recommendation System in Location-Based Social Networks

verfasst von : Yuehua Wang, Zhinong Zhong, Anran Yang, Ning Jing

Erschienen in: Data Mining and Big Data

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Point-of-interest (POI) recommendation is an important part of recommendation systems in location-based social networks. Most existing POI recommendation systems, such as collaborative filtering based and context-aware methods, usually use hand-designed or manually selected features to achieve the recommendation. However, the information in the location-based social networks has very complicated relationships with each other, e.g., the latent relationships among users, POIs and user preferences, thus leading to poor recommendation accuracy. We propose a two-stage method to address this problem. In the first stage, user and POI profiles are abstracted using statistical methods. Then in the second stage, a deep neural network (DNN) is used to predict ratings on these candidate POIs, and finally the topN list of POIs is obtained. Experimental results on the Gowalla and Brightkite dataset show the effectiveness of our DNN based recommendation method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Knowledge Management Model to Support Software Development
Nächstes Kapitel Public Opinion Toward Social Business from a Social Media Perspective
Literatur
1.
Ye, M., Yin, P., Lee, W.-C., et al.: Exploiting geographical influence for collaborative point-of-interest recommendation. In: Proceedings of the 34th International ACM SIGIR Conference on Research and Development in Information Retrieval, Beijing, China, pp. 325–334. ACM (2011)
2.
Cheng, C., Yang, H., King, I., et al.: Fused matrix factorization with geographical and social influence in location-based social networks. In: Twenty-Sixth AAAI Conference on Artificial Intelligence, Toronto, Ontario, Canada, pp. 17–23. AAAI (2012)
3.
Yuan, Q., Cong, G., Ma, Z., et al.: Time-aware point-of-interest recommendation. In: Proceedings of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval, Dublin, Ireland, pp. 363–372. ACM (2013)
4.
Li, H., Ge, Y., Hong, R., et al.: Point-of-interest recommendations: learning potential check-ins from friends. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Francisco, California, USA, pp. 975–984. ACM (2016)
5.
Gao, H., Tang, J., Hu, X., et al.: Exploring temporal effects for location recommendation on location-based social networks. In: Proceedings of the 7th ACM Conference on Recommender Systems, Hong Kong, China, pp. 93–100. ACM (2013)
6.
Zhang, J.-D., Chow, C.-Y.: GeoSoCa: exploiting geographical, social and categorical correlations for point-of-interest recommendations. In: Proceedings of the 38th International ACM SIGIR Conference on Research and Development in Information Retrieval, Santiago, Chile, pp. 443–452. ACM (2015)
7.
Lian, D., Ge, Y., Zhang, F., et al.: Content-aware collaborative filtering for location recommendation based on human mobility data. In: Proceedings of the 15th IEEE International Conference on Data Mining, Atlantic City, New Jersey, USA, pp. 261–270. IEEE (2015)
8.
van den Oord, A., Dieleman, S., Schrauwen, B.: Deep content-based music recommendation. In: Advances in Neural Information Processing Systems, Lake Tahoe, NV, USA, pp. 2643–2651. Neural Information Processing Systems Foundation (NIPS) (2013)
9.
Covington, P., Adams, J., Sargin, E.: Deep neural networks for YouTube recommendations. In: Proceedings of the 10th ACM Conference on Recommender Systems, Boston, Massachusetts, USA, pp. 191–198. ACM Press (2016)
10.
Cheng, H.-T., Ispir, M., Anil, R., et al.: Wide & deep learning for recommender systems. In: Proceedings of the 1st Workshop on Deep Learning for Recommender Systems, Boston, MA, USA, pp. 7–10. ACM Press (2016)
11.
Cho, E., Myers, S.A., Leskovec, J.: Friendship and mobility: user movement in location-based social networks. In: Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Diego, California, USA, pp. 1082–1090. ACM Press (2011)
Metadaten
Titel
A Deep Point-of-Interest Recommendation System in Location-Based Social Networks
verfasst von
Yuehua Wang
Zhinong Zhong
Anran Yang
Ning Jing
Copyright-Jahr
2018
Buch
Data Mining and Big Data

Print ISBN: 978-3-319-93802-8

Electronic ISBN: 978-3-319-93803-5

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-93803-5_51

Premium Partner

    Bildnachweise