面向点兴趣推荐的调查：模型、架构与安全
信息检索
2025-03-11 v2 人工智能
计算工程、金融与科学
机器学习
摘要
智能手机和基于位置的社交网络的广泛采用导致了海量的时空数据 influx，从而为增强点兴趣 (POI) 推荐系统创造了前所未有的机遇。这些高级 POI 系统对于丰富用户体验、实现个性化交互以及优化数字景观中的决策过程至关重要。然而，现有调查往往侧重于传统方法，鲜有人深入探讨 POI 推荐中的最新发展、新兴架构以及安全考量。为填补这一空白，我们的调查通过提供全面、最新的 POI 推荐系统综述，涵盖模型、架构和安全方面的最新进展。我们系统性地检查了从传统模型向大语言模型等先进技术的转变。此外，我们探讨了从集中式向去中心化和联邦学习系统的架构演变，突出了在可扩展性和隐私方面的改进。Furthermore，我们关注于安全问题的日益重要性，检查了潜在的漏洞和隐私保护方法。我们的分类提供了当前 POI 推荐状态的结构化概览，同时我们也确定了该领域快速发展的未来研究方向。
引用
@article{arxiv.2410.02191,
title = {A Survey on Point-of-Interest Recommendation: Models, Architectures, and Security},
author = {Qianru Zhang and Peng Yang and Junliang Yu and Haixin Wang and Xingwei He and Siu-Ming Yiu and Hongzhi Yin},
journal= {arXiv preprint arXiv:2410.02191},
year = {2025}
}
备注
20 pages