顾及微地图推荐因子的深度信念网络

牛雪磊; 杨军; 闫浩文

doi:10.13203/j.whugis20230053

您当前的位置：

首页 >

文章列表页 >

顾及微地图推荐因子的深度信念网络

地图制图学与地理信息工程 | 更新时间：2026-11-05

- 顾及微地图推荐因子的深度信念网络
- Deep Belief Networks Considering WeMaps’ Recommendation Factors
- 武汉大学学报（信息科学版） 2025年50卷第7期页码：1415-1424
- 作者机构：
  
  1.兰州交通大学测绘与地理信息学院，甘肃兰州，730070
  2.兰州交通大学电子与信息工程学院，甘肃兰州，730070
- 作者简介：
  
  牛雪磊，博士，主要从事深度学习、地理信息系统等研究。NXLnxl186186@163.com
  杨军，博士，教授。yangj@mail.lzjtu.cn
- 基金信息：
  
  国家自然科学基金(42261067);2021年度中央引导地方科技发展资金(2021-51);兰州市人才创新创业项目(2020-RC-22);兰州交通大学天佑创新团队(TY202002)
- DOI：10.13203/j.whugis20230053
  中图分类号： P208
- 收稿：2023-04-24，
  
  纸质出版：2025-07-05
- 稿件说明：
移动端阅览
牛雪磊,杨军,闫浩文.顾及微地图推荐因子的深度信念网络[J].武汉大学学报（信息科学版）,2025,50(7):1415-1424.

NIU Xuelei,YANG Jun,YAN Haowen.Deep Belief Networks Considering WeMaps’ Recommendation Factors[J].Geomatics and Information Science of Wuhan University,2025,50(7):1415-1424.
牛雪磊,杨军,闫浩文.顾及微地图推荐因子的深度信念网络[J].武汉大学学报（信息科学版）,2025,50(7):1415-1424. DOI：10.13203/j.whugis20230053

NIU Xuelei,YANG Jun,YAN Haowen.Deep Belief Networks Considering WeMaps’ Recommendation Factors[J].Geomatics and Information Science of Wuhan University,2025,50(7):1415-1424. DOI：10.13203/j.whugis20230053

摘要

在微地图推荐系统的冷启动阶段，针对传统深度信念网络无法高效挖掘数据中的细粒度信息而导致推荐精度下降的问题，提出了顾及微地图推荐因子的深度信念网络(deep belief network

DBN)。利用聚类的结构化信息和DBN中丰富的语义信息解决推荐系统在冷启动阶段推荐精度低的问题，并且挖掘出用户和微地图的隐语义交互信息，达到“千人千面”的推荐效果。首先，采用针对噪声数据的基于密度的空间聚类算法对用户与微地图历史样本进行聚类；然后，选取出核心点（即推荐因子）、边界点及离群点，将聚类后的推荐因子构建成不同的可视层与隐含层；最后，将受限玻尔兹曼机的可视神经元替换为高斯单元，利用DBN对输入数据从低层到高层进行逐层微调训练，以提升推荐的准确性。所提方法在美食、自驾、旅游、校园4类微地图数据集上推荐的精度分别为0.775 32、0.768 18、0.775 18、0.774 64，推荐的均方根误差分别为0.190 78、0.194 76、0.190 33、0.190 92，可以为用户准确地推荐感兴趣的微地图信息。

Abstract

Objectives

In the cold start phase of the WeMaps' recommendation system

traditional deep belief networks have low efficiency in mining fine-grained information

resulting in a decrease in recommendation accuracy. Therefore

we propose a deep belief network (DBN) considering WeMaps' recommendation factors (DBRFact). The structured information of clustering and rich semantic information in the deep belief networks are used to adress the problem of low recommendation accuracy during the cold start. In addition

the implicit semantic interaction information between the users and the WeMaps is mined to implement customized recommendations.

Methods

First

a density-based spatial clustering of application with noise clustering algorithm is employed to cluster the historical samples of the users and the WeMaps. Second

the core points (i.e.

recommendation factors)

boundary points

and outliers are selected

and the recommendation factors are constructed into different visual and hidden layers. Finally

the visual neurons of the restricted Boltzmann machine are replaced with Gaussian units. A deep belief network is used to fine-tune the input data from low level to high level to improve the recommendation accuracy.

Results

The accuracies on the food maps

driving maps

tour maps

and school maps datasets are 0.775 32

0.768 18

0.775 18 and 0.774 64

respectively

and the root mean square errors are 0.190 78

0.194 76

0.190 33 and 0.190 92

respectively.

Conclusions

The experimental results have showed that the proposed algorithm can accurately recommend the interested WeMaps' information for users.

关键词

Keywords

references

赵前卫，马缘园 . 自媒体时代微信谣言传播特点初探［J］. 新闻研究导刊， 2014 ， 5 （ 16 ）： 11 .

ZHAO Qianwei ， MA Yuanyuan . A Preliminary Study on the Spread Characteristics of WeChat Rumors in the Media Era ［J］. Journal of News Research ， 2014 ， 5 （ 16 ）： 11 .

王海鹰，闫浩文，田江鹏，等 . 后现代哲学视野下的微地图［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 12 ）： 2026 - 2037 .

WANG Haiying ， YAN Haowen ， TIAN Jiangpeng ， et al . WeMaps in the Perspective of the Post-Moder‑nist Philosophy ［J］. Geomatics and Information Scien‑ce of Wuhan University ， 2022 ， 47 （ 12 ）： 2026 - 2037 .

申金霞 . 自媒体的信息传播特点探析［J］. 今传媒， 2012 ， 20 （ 9 ）： 94 - 96 .

SHEN Jinxia . Analysis on the Characteristics of Information Dissemination from the Media ［J］. Today’s Massmedia ， 2012 ， 20 （ 9 ）： 94 - 96 .

郭仁忠，陈业滨，赵志刚，等 . ICT时代地图的科学概念及表达框架［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 12 ）： 1978 - 1987 .

GUO Renzhong ， CHEN Yebin ， ZHAO Zhigang ， et al . Scientific Concept and Representation Framework of Maps in the ICT Era ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 12 ）： 1978 - 1987 .

王家耀，武芳，闫浩文 . 大变化时代的地图学［J］. 测绘学报， 2022 ， 51 （ 6 ）： 829 - 842 .

WANG Jiayao ， WU Fang ， YAN Haowen . Cartography： Its Past， Present and Future ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 6 ）： 829 - 842 .

刘瑜，郭浩，李海峰，等 . 从地理规律到地理空间人工智能［J］. 测绘学报， 2022 ， 51 （ 6 ）： 1062 - 1069 .

LIU Yu ， GUO Hao ， LI Haifeng ， et al . A Note on GeoAI from the Perspective of Geographical Laws ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 6 ）： 1062 - 1069 .

应申，候思远，苏俊如，等 . 论游戏地图的特点［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 9 ）： 1334 - 1343 .

YING Shen ， HOU Siyuan ， SU Junru ， et al . Characteristics of the Game Map ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 9 ）： 1334 - 1343 .

闫浩文，张黎明，杜萍，等 . 自媒体时代的地图：微地图［J］. 测绘科学技术学报， 2016 ， 33 （ 5 ）： 520 - 523 .

YAN Haowen ， ZHANG Liming ， DU Ping ， et al . WeMap： A New Type of Map in the Era of We Media ［J］. Journal of Geomatics Science and Technology ， 2016 ， 33 （ 5 ）： 520 - 523 .

李志林，蓝天，遆鹏，等 . 从马斯洛人生需求层次理论看地图学的进展［J］. 测绘学报， 2022 ， 51 （ 7 ）： 1536 - 1543 .

LI Zhilin ， LAN Tian ， TI Peng ， et al . Advances in Cartography from the Perspective of Maslow’s Hierarchy of Needs ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 7 ）： 1536 - 1543 .

ADOMAVICIUS G ， TUZHILIN A . Toward the Next Generation of Recommender Systems： A Survey of the State-of-the-Art and Possible Extensions ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2005 ， 17 （ 6 ）： 734 - 749 .

SU X Y ， KHOSHGOFTAAR T M . A Survey of Collaborative Filtering Techniques ［J］. Advances in Artificial Intelligence ， 2009 ， 2009 （ 1 ）： 421425 .

VERBERT K ， MANOUSELIS N ， OCHOA X ， et al . Context-Aware Recommender Systems for Learning： A Survey and Future Challenges ［J］. IEEE Transactions on Learning Technologies ， 2012 ， 5 （ 4 ）： 318 - 335 .

MOONEY R J ， ROY L . Content-Based Book Reco‑mmending Using Learning for Text Categorization ［C］// The 5th ACM Conference on Digital Libraries ， San Antonio， USA ， 2000 .

YE M ， YIN P F ， LEE W C . Location Recommendation for Location-Based Social Networks ［C］// The 18th SIGSPATIAL International Conference on Advances in Geographic Information Systems ， San Jose， USA ， 2010 .

MA C ， ZHANG Y X ， WANG Q L ， et al . Point-of-Interest Recommendation： Exploiting Self-attentive Autoencoders with Neighbor-Aware Influence ［C］// The 27th ACM International Conference on Information and Knowledge Management ， Torino， Italy ， 2018 .

AAVIDSON J ， LIEBALD B ， LIU J N ， et al . The YouTube Video Recommendation System ［C］// The 4th ACM Conference on Recommender Systems ， Barcelona， Spain ， 2010 .

BORDES A ， USUNIER N ， GARCIA-DURÁN A ， et al . Translating Embeddings for Modeling Multi-relational Data ［C］// The 26th International Conference on Neural Information Processing Systems ， New York， USA ， 2013 .

WANG H ， WANG N Y ， YEUNG D Y . Collaborative Deep Learning for Recommender Systems ［C］// The 21th ACM International Conference on Knowle‑ dge Discovery and Data Mining， Sydney， Australia ， 2015 .

ZHANG F Z ， YUAN N J ， LIAN D F ， et al . Collaborative Knowledge Base Embedding for Recommender Systems ［C］// The 22nd ACM International Conference on Knowledge Discovery and Data Mining ， San Francisco， USA ， 2016 .

何阳，闫浩文，王卓，等 . 面向微地图的地标提取方法及个性化寻路应用［J］. 地球信息科学学报， 2022 ， 24 （ 5 ）： 827 - 836 .

HE Yang ， YAN Haowen ， WANG Zhuo ， et al . Landmark Extraction Method and Personalized Wayfinding Application for WeMap ［J］. Journal of Geo‑Information Science ， 2022 ， 24 （ 5 ）： 827 - 836 .

牛雪磊，杨军，闫浩文 . 融合知识图谱与协同过滤的微地图推荐［J］. 地球信息科学学报 . 2024 ， 26 （ 4 ）： 967 - 977 .

NIU Xuelei ， YANG Jun ， YAN Haowen . WeMap Recommendation by Fusion of Knowledge Graph and Collaborative Filtering ［J］. Journal of Geo-Information Science ， 2024 ， 26 （ 4 ）： 967 - 977 .

代少升，刘小兵，赖智颖，等 . 网格化局部自适应DBSCAN聚类算法［J］. 重庆邮电大学学报（自然科学版）， 2022 ， 34 （ 2 ）： 250 - 257 .

DAI Shaosheng ， LIU Xiaobing ， LAI Zhiying ， et al . Gridded Local Adaptive DBSCAN Clustering Algorithm ［J］. Journal of Chongqing University of Posts and Telecommunications （Natural Science Edition）， 2022 ， 34 （ 2 ）： 250 - 257 .

XIONG X ， QIAO S J ， HAN N ， et al . Affective Impression： Sentiment-Awareness POI Suggestion via Embedding in Heterogeneous LBSNA ［J］. IEEE Transactions on Affective Computing ， 2022 ， 13 （ 1 ）： 272 - 284 .

FISCHER A ， IGEL C . Training Restricted Boltzmann Machines： An Introduction ［J］. Pattern Recognition ， 2014 ， 47 （ 1 ）： 25 - 39 .

HIOTON G E . A Practical Guide to Training Restricted Boltzmann Machines ［J］. Lecture Notes in Computer Science ， 2012 ， 7700 ： 599 - 619 .

HIOTON G E ， OSINDERO S ， THE Y W . A Fast Learning Algorithm for Deep Belief Nets ［J］. Neural Computation ， 2006 ， 18 （ 7 ）： 1527 - 1554 .

张淑华，李海莹，刘芳 . 身份认同研究综述［J］. 心理研究， 2012 ， 5 （ 1 ）： 21 - 27 .

ZHANG Shuhua ， LI Haiying ， LIU Fang . Review on Research of Identity ［J］. Psychological Research ， 2012 ， 5 （ 1 ）： 21 - 27 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

呼包鄂榆城市群草地脆弱性时空演变及因子可解释性分析

复杂空间机器人自主测绘的现状与挑战

面向类脑空间智能的多模态大模型空间认知能力评估框架

海洋目标辐射基准传递不确定度研究进展

关于智慧海图的思考