AdaptGOT：用于自适应情境POI表示学习的预训练模型
计算与语言
2025-06-30 v1 人工智能
信息检索
摘要
目前，随着新兴POI任务（如推荐和分类）的出现，POI嵌入方法取得了显著进展。尽管基于任务的端到端模型在POI嵌入方面取得了成功，但仍面临多个挑战，包括需要更有效的多情境抽样策略、 insufficiently探索多个POI情境、功能受限以及不足的泛化。为此，本文提出了AdaptGOT模型，集成了（Adapt）自适应表示学习技术与地理-共现-文本（GOT）表示，特别强调地理位置、共现和文本信息。AdaptGOT模型包含三个关键组件：（1）情境邻域生成，集成KNN、基于密度、基于重要性和基于类别的高级混合抽样技术，以捕获复杂的情境邻域；（2）增强注意力机制的先进GOT表示，旨�于派生高质量、定制化的表示，有效捕获POI之间复杂的相互关系；（3）基于MoE的自适应编码器-解码器架构，确保拓扑一致性，通过最小化不同情境之间的 Jensen-Shannon 散度来丰富情境表示。在两个真实数据集和多个POI任务上的实验表明，所提出的AdaptGOT模型性能卓越。
引用
@article{arxiv.2506.21612,
title = {AdaptGOT: A Pre-trained Model for Adaptive Contextual POI Representation Learning},
author = {Xiaobin Ren and Xinyu Zhu and Kaiqi Zhao},
journal= {arXiv preprint arXiv:2506.21612},
year = {2025}
}