网络空间安全学院大数据安全团队熊熙副教授以第一作者，成都信息工程大学为第一署名单位，在人工智能领域高水平期刊IEEE Transactions on Affective Computing（IF=13.990,中科院一区，JCR 1区）上发表题为“Affective Impression: Sentiment-awareness POI Suggestion via Embedding in Heterogeneous LBSNs”的论文。论文联合四川大学和北京交通大学的研究者，报道了基于地理位置的社交网络（LBSN）上兴趣点推荐技术的最新研究成果。
LBSN将人们的线上生活和现实生活联系起来。兴趣点推荐作为LBSN的一种重要应用，可以帮助用户发现感兴趣的餐厅、咖啡厅、书店等兴趣点。除了数据稀疏和冷启动之外，兴趣点推荐还有两个问题严重影响了推荐的准确度，一个是文字蕴含的不同类型情感之间的模糊界线，另一个则是相似度度量引起数据质量降低。该成果搭建了基于社区结构的情绪抽取方法与基于网络嵌入的兴趣点推荐框架，率先利用概率图模型获取到LBSN评论文本中的情感，采用网络表示学习的方法获得兴趣点、用户和文本情感的低维向量，针对异构信息网络中的所有连边进行交替采样。在两个真实数据集上的实验表明，该成果用于真实场景下兴趣点推荐时具有明显的优势。
图 LBSN上推荐模型CENTER原理图
大数据安全团队长期以来致力于关键目标实体预测和推荐、知识抽取与推理等关键技术的研究，为社交网络安全、网络攻击防御、网络舆情分析等提供大数据技术保障。近年来团队研究重点面向特定领域的多轮对话系统、知识融合等领域，取得了一系列研究成果。
文章信息：https://ieeexplore.ieee.org/document/8747404/
