本书针对当前空间-文本数据的查询与推荐领域中亟待解决的空间关键字语义近似查询、查询结果典型化分析和多样性兴趣点推荐等问题进行阐述，以多年来在该方面发表的学术论文为基础，对所取得的相关成果进行了详细的分类，对成果的创新性进行详细的总结，内容主要包括：空间-文本数据的查询索引结构，基于CGAN的空间关键字查询语义扩展方法，空间-文本-数值相融合的混合索引结构，查询结果的典型化分析与top-k选取，多样性与个性化兴趣点推荐方法等。

前 言 近年来，随着移动网络的普遍应用和GPS技术的快速发展，大量包含位置信息和文本信息的空间Web对象（如兴趣点、用户签到记录等）逐渐形成了规模庞大的空间-文本数据，以空间-文本数据为背景的两种高度相关的空间关键字查询和兴趣点推荐技术正成为当前基于位置的服务（Location-based Service，LBS）领域备受关注的研究热点。 现有的空间关键字查询处理模式主要根据空间Web对象（简称空间对象）与查询条件的位置相近度和文本相似度衡量查询结果，很少考虑用户对于查询结果的语义相关性、典型化分析以及多样性兴趣点推荐等方面的需求，其主要不足体现在以下几个方面。第一，现有查询处理模式仅从形式上匹配查询关键字，为用户返回包含全部（或部分）查询关键字的查询结果，而实际上一些语义相关的结果也可能满足用户需要。第二，空间对象包含位置信息、文本信息和数值属性信息，现有的空间-文本数据混合索引结构只能同时处理位置信息和文本信息，但不能处理用户在数值属性信息上的偏好，因此需要构建多维索引结构来同时支持位置相近、语义相似和用户数值偏好的查询匹配方法。第三，根据位置相近度和文本相似度的评分方式返回的top-k个结果往往比较相似且不具有代表性，而用户希望系统能够从所有候选结果中选出少数典型结果，从而增强用户对候选查询结果集合主要特征的认知。第四，用户获得查询结果后，还希望系统能够自动为其推荐查询结果区域内他可能感兴趣的其他类型空间对象，因此需要系统能够根据查询结果区域内空间对象之间的位置关系和社会关系以及当前用户偏好，自动为其推荐多样性和个性化的兴趣点，从而拓宽用户视野和增强用户对兴趣点之间隐含社会关系的深入洞察。因此，需要解决兴趣点的多样性与个性化推荐问题。 通过上述分析可知，大量需要即时满足的普通用户在使用基于位置的服务系统过程中，期望系统能够提供灵活智能的方式为其提供语义相似的空间对象，并能根据其偏好推荐多样性与个性化兴趣点。当前，空间-文本数据的查询处理模式和推荐技术都还难以满足当前用户的智能化、个性化查询与推荐需求，这方面的研究工作当前已经引起国内外研究者的广泛重视。 本书将针对当前空间-文本数据库查询与推荐中亟待解决的个性化语义近似查询、查询结果典型化分析与top-k近似选取、兴趣点聚类分析和多样性与个性化推荐问题进行讨论，按照个性化语义近似查询、查询结果典型化分析与top-k近似选取、基于聚类分析的多样性兴趣点推荐方法、基于图神经网络的个性化兴趣点推荐方法、基于用户偏好的下一个兴趣点推荐方法的顺序，阐述一套行之有效的空间-文本数据个性化语义近似查询和多样性与个性化兴趣点推荐的解决方案并提供具体实现技术。 本书共6章，主要内容包括空间-文本数据查询的基础理论和相关技术、基于CGAN空间关键字语义近似查询、查询结果典型程度分析与top-k近似选取、多样性与个性化兴趣点推荐方法、基于图神经网络的兴趣点推荐方法、基于用户偏好的下一个兴趣点推荐方法。 本书的第2～4章由张霄雁编写，第1章和第6章由孟祥福编写，第5章由方金凤编写。 本书的撰写参考了大量近年来出版的国内外相关技术资料，吸取了许多专家和同人的宝贵经验，在此向他们深表谢意。 由于空间-文本数据的查询与推荐技术发展迅速，作者学识有限，书中误漏之处在所难免，望广大读者批评指正。 作 者 2022年1月

目 录 第1章 空间-文本数据查询的基础理论和相关技术 1 1.1 空间关键字查询方法研究现状 1 1.2 空间-文本对象和空间关键字查询 3 1.2.1 空间-文本对象和空间关键字查询的定义 3 1.2.2 空间关键字查询的处理方法 4 1.2.3 查询关键字拼写错误的处理方法 6 1.3 空间索引结构R-Tree 7 1.3.1 R-Tree结构 7 1.3.2 R-Tree查询操作 8 1.3.3 R-Tree插入操作 9 1.3.4 R-Tree删除操作 11 1.4 空间-文本混合索引结构 12 1.4.1 IR-Tree结构 12 1.4.2 IR-Tree实例 13 1.5 本章小结 15 1.6 参考文献 15 第2章 基于CGAN的空间关键字语义近似查询 18 2.1 引言 18 2.2 问题定义和解决方案 20 2.2.1 问题定义 20 2.2.2 解决方案 21 2.3 空间关键字查询语义扩展 22 2.3.1 GAN和CGAN 22 2.3.2 CGAN生成器的构建 24 2.3.3 判别器的构建 26 2.3.4 CGAN的构建 26 2.4 查询与结果的相关性评估 27 2.4.1 文本相似度评估 27 2.4.2 数值满意度评估 28 2.4.3 综合评分函数 30 2.5 索引结构与查询匹配算法 30 2.5.1 索引结构 30 2.5.2 实现算法 31 2.6 效果与性能实验评价 35 2.6.1 实验环境 35 2.6.2 CGAN模型的实现与效果 36 2.6.3 查询效果实验 39 2.6.4 查询效率实验 41 2.7 本章小结 44 2.8 参考文献 44 第3章 查询结果典型程度分析与top-k近似选取 46 3.1 引言 46 3.2 问题定义和解决方案 47 3.2.1 问题定义 47 3.2.2 解决方案 48 3.3 空间对象之间的距离评估 49 3.3.1 基于关键字耦合关系与核函数的文本语义距离评估 49 3.3.2 基于Word2Vec和CNN的文本语义距离评估 52 3.3.3 空间对象在各维度上的综合距离 54 3.4 查询结果的典型程度量化与top-k近似选取 54 3.4.1 查询结果的典型程度量化方法 54 3.4.2 top-k典型结果的近似选取 56 3.5 效果与性能实验评价 59 3.5.1 实验环境 59 3.5.2 空间对象文本信息的语义相似度评估准确性测试 60 3.5.3 空间对象典型程度评估与top-k近似选取算法的效果测试 62 3.5.4 top-k近似算法的性能测试 65 3.6 本章小结 66 3.7 参考文献 66 第4章 多样性与个性化兴趣点推荐方法 68 4.1 引言 68 4.2 兴趣点推荐的国内外研究现状分析 69 4.3 问题定义和解决方案 70 4.3.1 问题定义 70 4.3.2 解决方案 70 4.4 位置-社会关系模型 71 4.4.1 相关定义 71 4.4.2 位置-社会关系距离 71 4.5 兴趣点聚类划分 73 4.5.1 基于谱聚类的兴趣点聚类方法 73 4.5.2 兴趣点聚类划分示例 75 4.6 多样性与个性化兴趣点选取 76 4.7 效果与性能实验评价 78 4.7.1 实验数据 78 4.7.2 兴趣点的位置-社会关系模型效果实验 79 4.7.3 推荐效果实验 83 4.8 本章小结 90 4.9 参考文献 90 第5章 基于图神经网络的兴趣点推荐方法 92 5.1 引言 92 5.2 图神经网络和基于位置的社交网络 94 5.2.1 图神经网络 94 5.2.2 基于位置的社交网络 97 5.3 相关定义和解决方案 98 5.3.1 相关定义 98 5.3.2 解决方案模型 99 5.4 具体实现方法 101 5.4.1 用户嵌入向量建模 101 5.4.2 兴趣点嵌入向量建模 104 5.4.3 评分预测 110 5.4.4 模型训练 110 5.5 效果与实验性能分析 112 5.5.1 实验数据 112 5.5.2 比较方法 113 5.5.3 实验设置 113 5.5.4 实验结果分析 114 5.6 本章小结 121 5.7 参考文献 121 第6章 基于用户偏好的下一个兴趣点推荐方法 123 6.1 引言 123 6.2 下一个兴趣点推荐的国内外研究现状 125 6.2.1 基于马尔可夫模型的方法 126 6.2.2 基于嵌入的方法 127 6.2.3 基于神经网络模型的方法 127 6.3 相关定义和解决方案 128 6.4 用户关系挖掘 130 6.4.1 构建用户关系图 130 6.4.2 用户关系嵌入学习 132 6.5 用户偏好建模 133 6.5.1 长期偏好建模 133 6.5.2 用户的短期偏好和当前偏好建模 133 6.5.3 周期偏好 135 6.6 模型训练 136 6.7 实验结果与分析 137 6.7.1 实验环境与数据 137 6.7.2 实验及结果分析 138 6.7.3 神经网络神经元个数的影响 141 6.7.4 模型结构的影响 142 6.7.5 迭代次数的影响 143 6.7.6 朋友关系和偏好相似关系权重的影响 144 6.8 本章小结 145 6.9 参考文献 145