多模态热点地点推荐
信息检索
2024-10-08 v2 社会与信息网络
摘要
大语言模型已广泛应用于如商品推荐、新闻阅读等推荐任务。基于语言表征的序列推荐在热点地点领域尚处于探索阶段。本文以餐饮推荐为切入点，基于用户历史访问记录构建伪餐饮签到数据集（由 Foursquare 数据集与 FoodX-251 数据集构成），将图片转换为文本描述所使用的多模态模型为 LLaVA，并采用 2023 年提出的语言基序列推荐框架 Recformer 进行训练。实验表明，基于半多模态数据集训练的模型在同数据集上训练且无图片描述的模型表现更佳。这表明半多模态模型能较好地反映实际人类行为，指明了多模态推荐模型的正确路径。
引用
@article{arxiv.2410.03265,
title = {Multimodal Point-of-Interest Recommendation},
author = {Yuta Kanzawa and Toyotaro Suzumura and Hiroki Kanezashi and Jiawei Yong and Shintaro Fukushima},
journal= {arXiv preprint arXiv:2410.03265},
year = {2024}
}