GETNext:轨迹流图增强的 Transformer 用于下一 POI 推荐
信息检索
2023-03-09 v1 机器学习
摘要
下一 POI 推荐旨在给定用户当前状态与历史信息预测其即时未来移动,对用户与服务商均具重大价值。然而,该问题明显复杂,因为需同时考虑多种数据趋势,包括空间位置、时间上下文、用户偏好等。多数现有研究将下一 POI 推荐视为序列预测问题,却忽略了来自其他用户的协同信号。相反,我们提出一个与用户无关的全球轨迹流图以及一种新颖的图增强 Transformer 模型(GETNext),以更好地利用广泛的协同信号进行更精准的下一 POI 预测,并同时缓解冷启动问题。GETNext 将全局转移模式、用户通用偏好、时空上下文以及时间感知类别嵌入一同纳入 transformer 模型以预测用户未来移动。借助该设计,我们的模型以较大优势超越 SOTA 方法,并为涉时空推荐问题中的冷启动挑战提供了启示。
引用
@article{arxiv.2303.04741,
title = {GETNext: Trajectory Flow Map Enhanced Transformer for Next POI Recommendation},
author = {Song Yang and Jiamou Liu and Kaiqi Zhao},
journal= {arXiv preprint arXiv:2303.04741},
year = {2023}
}
备注
This work is published on SIGIR22