基于个性化偏好注意力的起点感知下一目的地推荐
人工智能
2021-01-12 v3 信息检索
机器学习
社会与信息网络
摘要
下一目的地推荐是出租车和网约车服务交通领域的一项重要任务，即在给定用户当前起点位置的情况下为其推荐个性化目的地。然而，近期的推荐工作不满足此起点感知特性，仅考虑从历史目的地位置学习，而无起点信息。因此，所得方法无法基于用户当前位置学习和预测起点感知的推荐，导致次优性能和较差的真实世界实用性。故此，本工作中我们研究起点感知下一目的地推荐任务。我们提出空间-时间起点-目的地个性化偏好注意力（STOD-PPA）编码器-解码器模型，通过首先在局部和全局视图中以空间和时间因子对起点与目的地序列进行编码，再通过个性化偏好注意力解码以预测下一目的地，来学习起点-起点（OO）、目的地-目的地（DD）和起点-目的地（OD）关系。在七个真实世界用户轨迹出租车数据集上的实验结果表明，我们的模型显著优于基线方法和最先进方法。
引用
@article{arxiv.2012.01915,
title = {Origin-Aware Next Destination Recommendation with Personalized Preference Attention},
author = {Nicholas Lim and Bryan Hooi and See-Kiong Ng and Xueou Wang and Yong Liang Goh and Renrong Weng and Rui Tan},
journal= {arXiv preprint arXiv:2012.01915},
year = {2021}
}
备注
To appear in the Proceedings of the 14th ACM International Conference on Web Search and Data Mining (WSDM), 2021