DeepAltTrip：面向行程推荐的 Top-k 替代路线
机器学习
2021-09-09 v1
摘要
行程路线推荐从城市中大量候选兴趣点（POIs）中寻找一个有序的兴趣点序列。本文中，我们提出一个基于深度学习的框架，称为 DeepAltTrip，它学习为给定的起点和终点 POI 推荐 top-k 条替代行程路线。这些替代路线不仅在过去用户采用的历史路线意义下是受欢迎的，而且彼此间不相似（或多样）。DeepAltTrip 由两个主要组件构成：（i）Itinerary Net（ITRNet），其通过使用图自编码器与两个（前向与后向）LSTM 来估计路线上 POI 的可能性；（ii）一个路线生成过程，用于生成经过使用 ITRNet 获得的相关 POI 的 k 条多样路线。对于路线生成步骤，我们提出了一种新颖的采样算法，可无缝处理多种用户自定义约束。据我们所知，这是首个从历史行程中学习并向用户提供一组替代路线的研究工作。在八个流行的真实世界数据集上进行的广泛实验，显示了我们的方法相对于 SOTA 方法的效力与效率。
引用
@article{arxiv.2109.03535,
title = {DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation},
author = {Syed Md. Mukit Rashid and Mohammed Eunus Ali and Muhammad Aamir Cheema},
journal= {arXiv preprint arXiv:2109.03535},
year = {2021}
}