在线POI推荐：在流数据中学习动态地理-人类交互
信息检索
2022-10-14 v3 人工智能
机器学习
摘要
本文关注流数据中动态地理-人类交互建模以实现在线POI推荐的问题。具体而言，我们将流内地理-人类交互建模问题表述为一个新颖的深度交互式强化学习框架，其中智能体为推荐者，动作为下一个要访问的POI。我们独特地将强化学习环境建模为用户与地理空间上下文（POI、POI类别、功能区）的联合连通组合。流中用户访问POI的事件会更新用户和地理空间上下文的状态；智能体感知更新后的环境状态以做出在线推荐。具体而言，我们通过将所有用户、访问和地理空间上下文统一为动态知识图谱流来建模混合用户事件流，以建模人-人、地理-人、地理-地理交互。我们设计了一种退出机制以应对过期信息挑战，提出一种元路径方法以应对推荐候选生成挑战，并开发了新型深度策略网络结构以应对变化动作空间挑战，最终提出了一种有效的对抗训练方法用于优化。最后，我们给出了大量实验以证明我们方法的性能提升。
引用
@article{arxiv.2201.10983,
title = {Online POI Recommendation: Learning Dynamic Geo-Human Interactions in Streams},
author = {Dongjie Wang and Kunpeng Liu and Hui Xiong and Yanjie Fu},
journal= {arXiv preprint arXiv:2201.10983},
year = {2022}
}