基于稀疏共享的多门混合专家下一个兴趣点推荐算法

下一个兴趣点(next POI)推荐指的是预测用户在特定时间段内将访问的下一个兴趣点。用户出行模式受到异构的上下文因素影响，包括连续值(例如地理距离、时间间隔)和离散值(例如社交状况、星期状况)。本文采用稀疏共享的结构来产生专家网络，并采用多门混合专家模型来实现多个目标任务之间的参数共享。本文基于多任务学习对用户的多种类型行为进行建模，提出了一种基于稀疏共享的多门混合专家模型。首先，使用稀疏共享结构针对每个目标任务从基础网络中生成对应的专家网络，并采用迭代幅度剪枝法选择专家网络。其次，多门混合专家模型采用专家网络作为输入层，每个专家网络对于输入信息的处理具有不同的侧重，并采用多个门网络对任务目标进行专家网络的共享选择。最后，基于真实数据集对所提出的算法进行评估，验证了本文方法的有效性和实用性，以及将多任务学习和稀疏结构共享应用于下一个兴趣点推荐的前景。文章最后也提出了管理启示。