摘要: 随着移动互联网和位置服务的迅速发展,基于位置的社交网络已成为用户日常生活的一部分,而深度学习技术,尤其是基于注意力机制和图神经网络的模型,在预测用户未来可能访问地点的下一个兴趣点推荐任务中取得了显著突破。本研究系统回顾了过去五年内下一个兴趣点推荐算法的研究进展,重点分析了注意力机制和图神经网络在该领域的应用。首先,本文介绍了相关技术的基础理论,包括注意力机制和图神经网络的基本原理以及其在时空数据中的优势。随后,通过对不同方法的优缺点进行深入比较和分析,本文总结了当前该领域所面临的主要挑战。接着,本文详细介绍并比较了常用的下一个兴趣点推荐数据集(如Foursquare、Gowalla),并探讨了在实际应用中如何选择和利用这些数据集。此外,本文还讨论了推荐算法中常用的评价指标(如准确率、召回率)。最后,文章展望了未来的研究方向,并提出了优化下一个兴趣点推荐算法性能的策略,包括解决深度模型在数据稀疏性、提升模型可解释性,以及应对冷启动问题等方面的挑战。