基于Item2Vec負采樣優化的專題地圖產品個性化推薦方法研究

作者：毛文山,趙紅莉,孫鳳嬌,蔣云鐘,姜倩,朱彥儒

摘要：建立適用于專題地圖產品檢索的用戶偏好推薦模型是提高專題地圖質量的有效方式之一,在專題地圖產品推薦場景中,存在嚴重的內容冷啟動和評論數據稀疏問題,現有的推薦算法無法為特定類用戶推薦不同特征的專題地圖產品,導致用戶從專題地圖中獲取偏好信息受到限制。因此,本文構建基于負采樣的連續詞袋模型和基于Word2Vec的Item2Vec相結合的用戶偏好推薦方法,用于專題地圖產品推薦。①計算用戶行為日志文件中交互行為數據的隱性評分,以代替專題地圖推薦信息流場景中稀疏的用戶評論數據;②基于負采樣的連續詞袋模型提取目標專題地圖的前后地圖序列感知特征信息,通過控制正負樣本比例為1:2,提升目標專題地圖潛在評分的預測精度;③通過Item2Vec將帶有用戶行為特征信息的專題地圖映射到向量空間,計算用戶對專題地圖的相似度矩陣,根據用戶偏好程度完成推薦。在構建的專題地圖評分實驗數據集Thematic CMaps和4個公開驗證數據集MovieLens上的測試結果表明:與LFM、Personal Rank、Content Based和SVD 4種傳統推薦算法相比,本文所提方法可有效提高潛在評分的預測精度,推薦性能最高達到27.85%;與以霍夫曼采樣方式的Item2Vec基礎方法和YouTubeNet 2種神經網絡推薦算法相比,評分預測精度有一定提高,且推薦性能不斷提升,最高達到2.97%和5.78%。以經典算法奇異值分解(SVD)為例,將MovieLens-20M數據集切分后,在數據量不斷增大的數據子集中,本文所用方法的評分預測精度和性能均優于SVD方法。

發文機構：蘭州交通大學測繪與地理信息學院 地理國情監測技術應用國家地方聯合工程研究中心 甘肅省地理國情監測工程實驗室 中國水利水電科學研究院水資源研究所 赤峰工業職業技術學院

關鍵詞：地圖個性化推薦專題地圖產品檢索深度學習負采樣Item2VecCBOW模型用戶事件行為隱性評分map personalized recommendationthematic map products retrievaldeep learningnegative sampling methodItem2VecCBOW modeluser event behaviorimplicit ratings

分類號： P28[天文地球—地圖制圖學與地理信息工程]