HyperMAN：面向下一站地理位置推荐的超图增强元学习自适应网络
信息检索
2025-03-31 v1 社会与信息网络
摘要
下一站地理位置（POI）推荐旨在通过利用历史签到序列预测用户的下一个位置。虽然已有方法显示出鼎舌效果，但它们往往难以捕捉复杂的高阶关系，并有效地适应多样化的用户行为，尤其是在解决冷启动问题时。为此，我们提出了超图增强元学习自适应网络（HyperMAN），一个集成异构超图建模与难度感知元学习机制的新型框架，用于下一站POI推荐。具体而言，设计了三种类型的异构超边来捕捉高阶关系：用于捕捉特定时间用户访问行为的时序行为超边、POI之间空间相关性的空间功能超边以及用户长期偏好的用户偏好超边。进一步引入一种多样性感知的元学习机制，以考虑用户行为多样性动态调整学习策略。大量实验表明，HyperMAN在实际数据集上实现了卓越的性能，有效解决了冷启动挑战，并显著提升了推荐准确度。
引用
@article{arxiv.2503.22049,
title = {HyperMAN: Hypergraph-enhanced Meta-learning Adaptive Network for Next POI Recommendation},
author = {Jinze Wang and Tiehua Zhang and Lu Zhang and Yang Bai and Xin Li and Jiong Jin},
journal= {arXiv preprint arXiv:2503.22049},
year = {2025}
}