以多关系建模增强下一兴趣点推荐
信息检索
2022-04-27 v1 人工智能
机器学习
摘要
随着移动设备和网络应用的广泛普及，基于位置的社交网络（LBSNs）提供了大规模个体层面的位置相关活动与经验。下一兴趣点（POI）推荐是 LBSNs 中最重要的任务之一，旨在通过对用户历史活动的偏好挖掘，向用户个性化推荐下一个合适的位置。值得注意的是，LBSNs 提供了关于用户与 POI 的丰富异构关系信息（包括用户-用户社交关系，如家人或同事；以及用户-POI 访问关系）。此类关系信息对促进下一 POI 推荐具有巨大潜力。然而，现有多数方法要么仅关注用户-POI 访问，要么基于过度简化的假设处理不同关系而忽视关系异构性。为填补这些关键空白，我们提出一种新颖框架 MEMO，其通过多网络表示学习模块有效利用异构关系，并利用耦合循环神经网络显式建模跨时间用户-POI 相互影响。在真实世界 LBSN 数据上的大量实验验证了我们的框架相对于最先进的下一 POI 推荐方法的优越性。
引用
@article{arxiv.2204.12288,
title = {Empowering Next POI Recommendation with Multi-Relational Modeling},
author = {Zheng Huang and Jing Ma and Yushun Dong and Natasha Zhang Foutz and Jundong Li},
journal= {arXiv preprint arXiv:2204.12288},
year = {2022}
}