用神经网络增强 A* 搜索算法以实现个性化路线推荐
人工智能
2019-07-22 v1 计算机与社会
机器学习
摘要
个性化路线推荐（PRR）旨在针对用户的路线查询生成用户特定的路线建议。早期研究将 PRR 任务视为图上的寻路问题，并通过集成启发式策略采用改进的搜索算法。尽管这些方法在某种程度上有效，但它们需要使用启发式设置代价函数。此外，在搜索过程中难以利用有用的上下文信息。为解决这些问题，我们提出使用神经网络自动学习经典启发式算法即 A* 算法在 PRR 任务中的代价函数。我们的模型包含两个组件。首先，我们采用基于注意力的循环神经网络（RNN）通过融入有用的上下文信息来建模从源点到候选位置的代价。RNN 组件不是学习单个代价值，而是能够学习用户移动状态的时间变化向量化表示。其次，我们提出使用一个值网络来估计从候选位置到目的地的代价。为捕获结构特征，该值网络构建于改进的图注意力网络之上，并融入用户的移动状态及其他上下文信息。这两个组件以原则性方式集成，以推导候选位置更精确的代价。在三个真实世界数据集上的大量实验结果表明了所提出模型的有效性和鲁棒性。
引用
@article{arxiv.1907.08489,
title = {Empowering A* Search Algorithms with Neural Networks for Personalized Route Recommendation},
author = {Jingyuan Wang and Ning Wu and Wayne Xin Zhao and Fanzhang Peng and Xin Lin},
journal= {arXiv preprint arXiv:1907.08489},
year = {2019}
}
备注
9 pages, 25TH ACM SIGKDD Conference On Knowledge Discovery And Data Mining