CAPRI：上下文感知的可解释兴趣点推荐框架
信息检索
2023-12-07 v1
摘要
兴趣点（POI）推荐系统因其能够结合时间、位置和用户-项目交互等上下文信息来推荐地理目的地而日益普及。现有的推荐框架缺乏 POI 系统所需的上下文融合。本文提出了 CAPRI，一种新颖的 POI 推荐框架，该框架有效集成了上下文感知模型（如 GeoSoCa、LORE 和 USG），并提出了一种高效融合上下文信息的新策略。CAPRI 集成了一个评估模块，将评估范围扩展到准确度之外，涵盖新颖性、个性化、多样性和公平性。为了在 POI 推荐系统领域建立可复现结果的新的行业标准，我们已在 GitHub 上公开 CAPRI，以促进对这一创新框架的便捷访问、持续开发与完善。
引用
@article{arxiv.2306.11395,
title = {CAPRI: Context-Aware Interpretable Point-of-Interest Recommendation Framework},
author = {Ali Tourani and Hossein A. Rahmani and Mohammadmehdi Naghiaei and Yashar Deldjoo},
journal= {arXiv preprint arXiv:2306.11395},
year = {2023}
}