一种具有多粒度签到信号的多通道下一 POI 推荐框架
信息检索
2024-08-27 v1
摘要
当前下一 POI 推荐的研究主要仅利用细粒度的个体用户 POI 签到轨迹来探索用户顺序转移，这受到严重的签到数据稀疏问题困扰。事实上，此类稀疏签到中的粗粒度信号（即区域级和全局级签到）也有助于增强用户偏好学习。具体而言，我们的数据分析揭示用户移动在访问 POI 的区域方面表现出显著模式。同时，全局全用户签到可帮助反映人群共享的顺序规律性。因此，我们受启发提出 MCMG：一种具有从两个正交视角分类的多粒度信号的多通道下一 POI 推荐框架，即在 POI/区域级或局部/全局级的细-粗粒度签到。配备三个模块（即全局用户行为编码器、局部多通道编码器和区域感知加权策略），MCMG 能够捕获细粒度和粗粒度顺序规律性，并通过区分区域签到模式探索多通道的动态影响。在四个真实世界数据集上的大量实验表明，我们的 MCMG 显著优于最先进的下一 POI 推荐方法。
引用
@article{arxiv.2209.00472,
title = {A Multi-Channel Next POI Recommendation Framework with Multi-Granularity Check-in Signals},
author = {Zhu Sun and Yu Lei and Lu Zhang and Chen Li and Yew-Soon Ong and Jie Zhang},
journal= {arXiv preprint arXiv:2209.00472},
year = {2024}
}