嶄新的即時POI推薦系統－使用即時事件、圖文／時間內容感知資訊與樹狀卷積網路

郝沛毅; 龔千芬; 張俊陽; 蔣榮先; 鄭詠恆

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2024/01/01~2024/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P495 - 535

基础与应用科学 > 资讯科学
社会科学 > 管理学

DOI： 10.6382/JIM

书目管理工具

相关连结

问题回报

全文下载

崭新的即时POI推荐系统－使用即时事件、图文／时间内容感知资讯与树状卷积网路

Real-Time POI Recommendation Based on Event Embedding, Textual & Visual/Time-Aware Information and Tree Structured CNN

郝沛毅(Pei-Yi Hao) ；龚千芬(Chien-Feng Kung) ；张俊阳(Chun-Yang Chang) ；蒋荣先(Jung-Hsien Chiang) ；郑咏恒(Weng-Hang Cheang)

资讯管理学报； 27 卷 4 期 (2020 / 10 / 31) ， P495 - 535

繁体中文

0 个人觉得这篇文章赞

摘要 │ 参考文献 (33) │ 被引用文献 (1) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Purpose - Location-based social networks (LBSN) have recently become popular due to the explosive growth of smartphones, giving users easy access to LBSN applications. More and more users have shared check-in information and daily life with friends on these platforms. The point of interest (POI) recommendation system is one of the core services of the LBSN. Design/methodology/approach - This study proposes a novel real-time POI recommendation system. The proposed approach is capable to detect real-time event from the huge amount of geo-tagged tweets in LBSN, and learn the embedding representation of the real-time event and time-aware information of a given POI. Besides, the proposed approach captures the content characteristic of POI from the text and phots tagged at the corresponding POI, and learn the embedding representation of the textual and visual characteristic of a given POI. Finally, we incorporate the real-time POI embedding into the matrix factorization model to build the real-time POI recommendation system. Findings - Firstly, multimodal embedding with considering various types (spatial, temporal and textual) of features performs well in learning semantic meaning on keywords. Thus it is effective for us to build the event detection from messy short-texts on social media. Besides, the proposed model considers time-aware information of the POIs by extracting ongoing events and recommend for suitable users in different time period. Evaluation on the dataset with geo-tagged tweets in NYC demonstrates the effectiveness of our study. Research limitations/implications - Our POI Intrinsic Embedding metric is trained by textual information. It only considers textual features of POIs. However, other types of information such as geographical features like latitude and longitude, popularity features like the flow at different time period can be applied in the embedding metric in the future work. Practical implications - The POI recommendation applications are of significance in two aspects: helping users explore new interesting places in a city and facilitating business owners to launch advertisements to the target customers. Originality/value - This study is, to the best of our knowledge, the first attempt to apply tree-based CNN for the real time event detection and POI recommendation in Taiwan.

参考文献 ( 33 ) 〈TOP〉

Bengio, Y.,Courville, A.,Vincent, P.(2013).Representation learning: A review and new perspectives.IEEE Transactions on Pattern Analysis and Machine Intelligence,35(8),1798-1828.
Bokde, D.,Girase, S.,Mukhopadhyay, D.(2015).Role of matrix factorization model in collaborative filtering algorithm: A survey.Procedia Computer Science,49,136-146.
Cho, E.,Myers, S.A.,Leskovec, J.(2011).Friendship and mobility: User movement in location-based social networks.Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’11),San Diego, CA, USA:
Gao, H.,Tang, J.,Liu, H.(2015).Addressing the cold-start problem in location recommendation using geo-social correlations.Data Mining Knowledge Discovery,29(2),299-323.
Hao, P.-Y.,Cheang, W.-H.,Chiang, J.-H.(2019).Real-time event embedding for POI recommendation.Neurocomputing,349(15),1-11.

被引用文献 ( 1 ) 〈TOP〉

(2024)。运用深度学习与主题模型建构歌曲风格和歌词意涵之整合分析机制。资讯管理学报，31(2)，209-237。

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址