基于旅行意图建模的异地推荐
信息检索
2021-02-09 v2 机器学习
摘要
异地推荐面向那些离开家乡区域并访问此前从未到过区域的用户。由于异地签到行为不仅由用户家乡偏好决定，还受用户旅行意图影响，为异地用户推荐兴趣点（POIs）颇具挑战。此外，用户旅行意图复杂且动态，导致精确理解此类意图存在较大困难。本文提出一种旅行意图感知的异地推荐框架，名为TRAINOR。所提TRAINOR框架在三个方面区别于现有异地推荐器。首先，探索利用图神经网络表征用户家乡签到偏好与异地签到行为中的地理约束。其次，将用户特定旅行意图建模为家乡偏好与通用旅行意图的聚合，其中通用旅行意图被视为可由神经主题模型（NTM）学习的内在意图混合。第三，分别采用非线性映射函数与矩阵分解方法迁移用户家乡偏好与估计异地POI的表示。在真实数据集上的大量实验验证了TRAINOR框架的有效性。此外，学习到的旅行意图可为理解用户旅行目的提供有意义的解释。
引用
@article{arxiv.2101.12555,
title = {Out-of-Town Recommendation with Travel Intention Modeling},
author = {Haoran Xin and Xinjiang Lu and Tong Xu and Hao Liu and Jingjing Gu and Dejing Dou and Hui Xiong},
journal= {arXiv preprint arXiv:2101.12555},
year = {2021}
}
备注
Accepted by AAAI-2021