一种基于跨域技术的兴趣点推荐新方法
信息检索
2018-09-27 v1 机器学习
摘要
预测用户在特定城市将访问的下一个兴趣点是一个有趣但具挑战性的问题。已有不同技术被提出，结合协同、内容、社交与地理信号；然而难以判断哪种技术最优，因为这可能取决于数据密度或每个用户/项目的活动记录量。同时，推荐系统文献中已利用跨域策略处理（极）稀疏情形，例如仅基于单一城市信息生成推荐时天然出现的情形。本文从新视角解决兴趣点推荐问题：将每座城市视为不同域，应用跨域推荐技术。我们在时间切分下于两种设定中对若干推荐技术进行实验比较：单域（仅考虑目标城市信息）与跨域（将许多其他城市信息纳入推荐算法）。对于后者，我们探索了两种从一域向另一域迁移知识的策略：测试目标城市并用以评分最多的 k 座城市信息训练模型，或仅使用 k 个最近城市。结果表明，总体上通过邻近性应用跨域可提升多数推荐器的相关性性能。据我们所知，这是首项在旅游语境下结合如此多域（八个）且采用时间切分的工作，因此我们期望这些结果能为读者提供真实环境中可达成之物的整体图景。
引用
@article{arxiv.1809.09864,
title = {A novel approach for venue recommendation using cross-domain techniques},
author = {Pablo Sánchez and Alejandro Bellogín},
journal= {arXiv preprint arXiv:1809.09864},
year = {2018}
}
备注
Accepted at the Workshop on Intelligent Recommender Systems by Knowledge Transfer and Learning co-located with the 12th ACM Conference on Recommender Systems (RecSys 2018)