计算机应用研究

作者：杨晓文,李锦翔,况立群,孙福盛,庞敏,李潞洋,

单位：1.中北大学计算机科学与技术学院,太原030051；2.机器视觉与虚拟现实山西省重点实验室,太原030051；3.山西省视觉信息处理及智能机器人工程研究中心,太原030051；

关键词：兴趣点推荐,时空上下文,变分自编码器,解纠缠,互信息,

基金：山西省科技重大专项计划“揭榜挂帅”项目(202201150401021)；山西省自然科学基金资助项目(202303021212372)；；

现有PoI推荐方法在时空上下文建模与兴趣解纠缠方面存在不足，难以兼顾多层次的时空依赖，且用户兴趣容易混淆，限制了对多样性兴趣和冷门PoI的发现。针对上述问题，提出了一种基于时空上下文感知的解纠缠兴趣点推荐模型（ST-DPR）。该模型设计了基于Transformer结构的变分自编码器模块（DIDVAE），用两个独立编码器分别建模主要兴趣与多样性兴趣，以刻画不同兴趣模式之间的差异性。利用分层编码器进一步捕捉签到序列中的局部与全局时空上下文信息，实现对用户偏好的精细建模。训练阶段结合交叉熵损失、VAE的重构损失、KL散度和互信息损失以提升预测性能并促进兴趣解纠缠。基于Foursquare NYC、TKY和US三个真实数据集的实验表明，ST-DPR在命中率（HR）和归一化折损累积增益（NDCG）指标上优于现有先进模型，验证了其在PoI预测任务中的有效性与优越性。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期