利用双向全局转移模式与个人偏好进行缺失 POI 类别识别
机器学习
2022-01-04 v1 信息检索
社会与信息网络
摘要
近年来，基于位置的社交网络（LBSN）服务日益普及，为构建个性化兴趣点（POI）推荐系统提供了前所未有的机遇。现有的 POI 推荐与位置预测任务从单一方向视角利用过去信息进行未来推荐或预测，而缺失 POI 类别识别任务需要同时利用缺失类别之前和之后的签到信息。因此，一个长期存在的挑战是如何在移动用户的真实世界签到数据中有效识别任意时刻的缺失 POI 类别。为此，本文提出一种新颖的神经网络方法，通过整合双向全局非个人转移模式与用户个人偏好来识别缺失 POI 类别。具体而言，我们精心设计了注意力匹配单元，以建模签到类别信息与其非个人转移模式及个人偏好的匹配程度。最后，我们在两个真实世界数据集上评估了我们的模型，结果明确验证了其相较最先进基线的有效性。此外，我们的模型可自然扩展以处理下一 POI 类别推荐与预测任务，并具备有竞争力的性能。
引用
@article{arxiv.2201.00014,
title = {Exploiting Bi-directional Global Transition Patterns and Personal Preferences for Missing POI Category Identification},
author = {Dongbo Xi and Fuzhen Zhuang and Yanchi Liu and Hengshu Zhu and Pengpeng Zhao and Chang Tan and Qing He},
journal= {arXiv preprint arXiv:2201.00014},
year = {2022}
}
备注
Accepted by Neural Networks. arXiv admin note: text overlap with arXiv:2112.15285