近日，实验室博士生陈奇的论文“Group based Recurrent Neural Networks for POI Recommendation”被ACM Transactions on Data Science（ACM TDS）期刊收录。

随着互联网上可用信息的快速增长，用户开始遇到信息过载的问题。推荐系统对于帮助用户在许多应用程序中选择有趣的对象变得非常重要，例如社交网络、电子商务、在线阅读等。作为一种常规的应用，兴趣点（POI）推荐旨在在一个特定的时间内推荐给用户潜在的未访问的兴趣点（例如：饭店、旅游景点) ，目前主要采用基于对历史上的访问地点的发现模式，在最近的几年里已经被广泛地研究过。然而，由于这些信息的异构性和隐含性，开发一个统一的框架来合并与POIs和用户相关的多个因素时，仍然存在一些挑战。为解决这一问题，论文首先采用深度学习框架，并结合地理位置的评价、分类和地理位置，提出了一种新的基于群体的方法。通过将用户分成不同的组，并为不同的组训练独立的神经网络，以此提高算法的针对性。我们所提出的模型不仅考虑了时间和地理上下文的影响，而且通过情绪分析来捕捉用户对兴趣点的看法。实验结果表明实验结果表明论文中的GTASR-RNN方法较传统的方法有显著的改进。

  ACM Transactions on Data Science期刊是计算机领域知名期刊，也是美国计算机协会ACM直接举办的，以数据科学研究为主的重要期刊。