LHRM：一种基于LBS的异构关系模型用于在线旅游平台用户冷启动推荐
信息检索
2021-08-06 v1
摘要
当前大多数推荐系统利用用户的历史行为数据来预测用户偏好。然而，难以准确地向新用户推荐商品。为缓解该问题，现有的用户冷启动方法要么应用深度学习构建跨域推荐系统，要么将用户属性映射到用户行为空间。这些方法应用于在线旅游平台（如飞猪）时更具挑战性，因为很难找到用户在旅游场景中具有相似行为的跨域，且用户的基于位置服务（LBS）信息未受到足够重视。在本工作中，我们提出一种基于LBS的异构关系模型（LHRM）用于用户冷启动推荐，其利用用户在相关域中的LBS信息和行为信息以及用户在旅游平台（如飞猪）中的行为信息来构建用户与商品之间的异构关系。此外，应用基于注意力的多层感知机来提取用户和商品的潜在因子。通过这种方式，LHRM比现有方法具有更好的泛化性能。飞猪离线日志真实数据的实验结果说明了LHRM的有效性。
引用
@article{arxiv.2108.02344,
title = {LHRM: A LBS based Heterogeneous Relations Model for User Cold Start Recommendation in Online Travel Platform},
author = {Ziyi Wang and Wendong Xiao and Yu Li and Zulong Chen and Zhi Jiang},
journal= {arXiv preprint arXiv:2108.02344},
year = {2021}
}