面向下次新 POI 推荐的联合三元组损失学习
信息检索
2022-09-27 v1 人工智能
机器学习
社会与信息网络
摘要
用户-POI 矩阵的稀疏性是下次 POI 推荐中一个公认的问题，阻碍了用户偏好的有效学习。聚焦于该问题更细粒度的扩展，我们提出了一种用于下次新（）POI 推荐任务的联合三元组损失学习（JTLL）模块，该任务更具挑战性。我们的 JTLL 模块首先从用户历史 POI 访问序列计算额外训练样本，随后提出一种设计的三元组损失函数，基于 POI 与用户嵌入各自的关系来减小或增大其距离。接着，JTLL 模块与近期方法联合训练，以额外学习用于推荐任务的未访问关系。在两个已知真实世界 LBSN 数据集上的实验表明，我们的联合训练模块能够提升近期已有工作的性能。
引用
@article{arxiv.2209.12162,
title = {Joint Triplet Loss Learning for Next New POI Recommendation},
author = {Nicholas Lim and Bryan Hooi and See-Kiong Ng and Yong Liang Goh},
journal= {arXiv preprint arXiv:2209.12162},
year = {2022}
}