摘要：隨著智能移動設(shè)備的快速普及,人們對基于位置的社交網(wǎng)絡(luò)服務(wù)的依賴性越來越高.但是,由于數(shù)據(jù)采集成本昂貴以及現(xiàn)有數(shù)據(jù)采集技術(shù)的缺陷,基于小樣本數(shù)據(jù)挖掘的興趣點(diǎn)(point of interest, POI)定位已經(jīng)成為了一種挑戰(zhàn).盡管已經(jīng)有一些POI定位方面的研究,但是現(xiàn)有的方法不能解決正樣本數(shù)據(jù)不足的問題.提出一種基于PU與生成對抗網(wǎng)絡(luò)(positive and unlabeled generative adversarial network, puGAN)的模型,采用PU學(xué)習(xí)和生成對抗網(wǎng)絡(luò)相結(jié)合的方式挖掘數(shù)據(jù)的隱藏特征,生成偽正樣本彌補(bǔ)數(shù)據(jù)不足的問題,并校正無標(biāo)簽樣本數(shù)據(jù)的分布,從而訓(xùn)練出有效的POI判別模型.通過分析ROC曲線以及訓(xùn)練誤差和測試誤差在迭代過程中的變化和關(guān)系來比較不同模型在實(shí)驗(yàn)場景下的效果.結(jié)果表明,puGAN模型可以有效解決數(shù)據(jù)樣本不足的問題,進(jìn)而提高POI定位的準(zhǔn)確性.