GTR-Mamba：面向超bolic POI 推荐的几何到切向路由 Mamba
人工智能
2026-01-26 v2 信息检索
摘要
下一个点兴趣(POI)推荐是位置基于社交网络(LBSN)中的关键任务，旨在建模人类移动行为的复杂决策过程，以为用户的下一个签到位置提供个性化推荐。现有基于旋转和图表示的超bolic POI 推荐模型已被广泛研究。虽然超bolic 几何在表示具有层次结构的数据时表现优异，但当前的超bolic 序列模型通常依赖于在流形上直接执行昂贵的 M"obius 操作进行递归，这导致计算成本高昂且数值不稳定，难以用于轨迹建模。为解决几何表示能力与序列效率之间的矛盾，我们提出了 GTR-Mamba，一种具有几何到切向路由功能的新型框架。GTR-Mamba 战略性地将复杂的状态转换路由到计算效率高的欧几里得切向空间。关键在于，与静态近似不同，我们引入了平行运输(PT)机制，以动态对齐沿轨迹的切向空间。这确保了递归更新之间几何一致性，有效地桥接了曲率流形与线性切向操作之间的差距。这一过程由外生的时空信道控制，显式调制 SSM 离散化参数。对三个真实数据集进行的广泛实验表明，GTR-Mamba 在下一个 POI 推荐任务中 consistently 优于最先进的基线方法。
引用
@article{arxiv.2510.22942,
title = {GTR-Mamba: Geometry-to-Tangent Routing Mamba for Hyperbolic POI Recommendation},
author = {Zhuoxuan Li and Jieyuan Pei and Tangwei Ye and Zhongyuan Lai and Zihan Liu and Fengyuan Xu and Qi Zhang and Liang Hu},
journal= {arXiv preprint arXiv:2510.22942},
year = {2026}
}