TY -非盟的Tal,俄梅珥盟——刘、杨PY - 2019 DA - 2019/03/19 TI -联合深推荐基于位置的社交网络框架SP - 2926749六世- 2019 AB -基于位置的社交网络,如Yelp和Tripadvisor,它允许用户访问地点与他们的朋友分享经验,近年来已经越来越受欢迎。然而,随着越来越多的位置可用,需要准确的系统能够呈现个性化的建议。通过提供这样的服务,兴趣点推荐系统吸引了来自不同社会利益更大,导致改进的方法和技术。深度学习提供了一个激动人心的机会进一步加强这些系统,利用额外的数据更好地理解用户的偏好。在这个工作我们建议 文本和语境Embedding-based神经推荐(TCENR)深框架,使用上下文相关的数据,如用户的社交网络和位置的地理空间数据,以及文本的评论。为了充分利用这些输入,我们利用多种类型的深层神经网络最适合每种类型的数据。TCENR采用流行的多层感知器系统中分析历史活动,而文本的学习评价是通过使用建议的两种变体的框架。一个是基于卷积神经网络从文本中提取有意义的数据评审,和其他员工复发性神经网络。我们建议网络评估在Yelp数据集,发现比多个先进的基线精度而言,均方误差,精度和召回。此外,我们提供进一步的了解我们的设计选择和hyperparameters推荐系统,希望能揭示深度学习的好处为基于位置的社交网络的建议。SN - 1076 - 2787你——https://doi.org/10.1155/2019/2926749——10.1155 / 2019/2926749 JF - PB - Hindawi KW - ER -复杂性