NEXT：一种用于下一兴趣点推荐的神经网络框架
信息检索
2019-04-22 v1 人工智能
摘要
下一兴趣点（POI）推荐任务近年来被广泛研究。然而，由于这些信息的异构性，开发一个统一推荐框架以融合与POI和用户相关的多种因素仍然具有挑战性。此外，处理冷启动并为系统提供可解释性的有效机制也是难题。受神经网络在许多领域近期成功的启发，本文提出了一个简单而有效的用于下一POI推荐的神经网络框架，命名为NEXT。NEXT是一个统一框架，通过统一方式融入不同因素来学习用户下一步移动的隐藏意图。具体而言，在NEXT中，我们融入了元数据信息和两类时间上下文（即时间间隔和访问时间）。为利用序列关系和地理影响，我们提议采用DeepWalk（一种网络表示学习技术）来编码此类知识。我们针对最先进的替代方案和基于神经网络的解决方案评估了NEXT的有效性。在三个公开可用数据集上的实验结果证明，NEXT在实时下一POI推荐中显著优于基线。进一步实验证明了NEXT在处理冷启动方面的优越性。更重要的是，我们展示了NEXT对隐藏意图空间中的维度提供了有意义的解释。
引用
@article{arxiv.1704.04576,
title = {NEXT: A Neural Network Framework for Next POI Recommendation},
author = {Zhiqian Zhang and Chenliang Li and Zhiyong Wu and Aixin Sun and Dengpan Ye and Xiangyang Luo},
journal= {arXiv preprint arXiv:1704.04576},
year = {2019}
}