基于迭代式序列到图增强的下一点兴趣推荐协同信号发现
信息检索
2022-04-28 v2
摘要
作为基于位置的社交网络中不可或缺的组成部分，下一点兴趣（POI）推荐根据用户近期的访问历史为其推荐未探索过的POI。然而，现有工作主要将签到数据建模为孤立的POI序列，忽视了跨序列签到信息中关键的协同信号。此外，稀疏的POI-POI转移限制了模型学习有效序列模式用于推荐的能力。本文中，我们为每条POI序列提出序列到图（Seq2Graph）增强，使得协同信号能够从属于其他序列的相关POI传播过来。我们随后设计了一种新颖的序列到图POI推荐器（SGRec），它联合学习POI嵌入并从图增强的POI序列中推断用户的时间偏好。为克服POI级交互的稀疏性，我们进一步通过多任务学习方案将类别感知注入SGRec，以捕获更稠密的类别级转移。由此，SGRec充分利用协同信号学习具表达力的POI表示，并全面揭示多层次序列模式用于用户偏好建模。在两个真实世界数据集上的大量实验证明了SGRec在下一点兴趣推荐中相对于最先进方法的优越性。
引用
@article{arxiv.2106.15814,
title = {Discovering Collaborative Signals for Next POI Recommendation with Iterative Seq2Graph Augmentation},
author = {Yang Li and Tong Chen and Yadan Luo and Hongzhi Yin and Zi Huang},
journal= {arXiv preprint arXiv:2106.15814},
year = {2022}
}