BTRec：基于 BERT 的个性化旅游轨迹推荐
机器学习
2023-11-01 v1 信息检索
社会与信息网络
摘要
游客享受愉快假期的一项关键任务是拥有规划良好且相关的推荐行程，尤其在访问陌生城市时。许多旅游推荐工具仅考虑有限因素，如热门兴趣点（POIs）和路径约束。因此，它们提供的方案未必与系统的个体用户一致。我们在本文中提出一种迭代算法，即：BTREC（基于 BERT 的轨迹推荐），它扩展自 POIBERT 嵌入算法，利用 BERT 框架在 POI 上推荐个性化行程。我们的 BTREC 算法将用户人口统计信息与过往 POI 访问记录一并纳入改进的 BERT 语言模型，以在给定一对源与目的地 POI 的情况下推荐个性化 POI 行程预测。我们的推荐系统能创建最大化访问 POI 数量的旅行行程，同时考虑用户对 POI 类别的偏好与时间可用性。我们的推荐算法很大程度上受自然语言处理（NLP）中句子补全问题的启发。使用八个不同规模城市的数据集，实验结果表明所提算法稳定且在召回率、精确率和 F1 分数度量下优于许多其他序列预测算法。
引用
@article{arxiv.2310.19886,
title = {BTRec: BERT-Based Trajectory Recommendation for Personalized Tours},
author = {Ngai Lam Ho and Roy Ka-Wei Lee and Kwan Hui Lim},
journal= {arXiv preprint arXiv:2310.19886},
year = {2023}
}
备注
RecSys 2023, Workshop on Recommenders in Tourism