利用辅助城市签到数据的元学习增强下一兴趣点推荐
信息检索
2023-08-21 v1 机器学习
摘要
多数现有兴趣点（POI）推荐器旨在通过城市级用户历史签到捕捉用户偏好，从而促进用户对城市的探索。然而，城市级用户签到数据的稀缺给用户偏好学习带来重大挑战。尽管已有研究尝试利用时空信息等各类上下文信息缓解该挑战，却忽视了从其他相关城市（即辅助城市）迁移知识（即共性行为模式）。本文探究从辅助城市提炼知识的效果，进而提出一种新颖的元学习增强下一 POI 推荐框架（MERec）。MERec 将各城市间签到行为的相关性引入元学习范式，遵循“更关注更相关知识”的原则，以辅助推断目标城市中的用户偏好。特别地，设计城市级相关性策略来注意力式捕捉城市间共性模式，从而从更相关城市迁移更相关知识。大量实验验证了所提 MERec 相对于最优算法的优越性。
引用
@article{arxiv.2308.09309,
title = {Meta-learning enhanced next POI recommendation by leveraging check-ins from auxiliary cities},
author = {Jinze Wang and Lu Zhang and Zhu Sun and Yew-Soon Ong},
journal= {arXiv preprint arXiv:2308.09309},
year = {2023}
}