面向个性化 POI 推荐的关系嵌入
机器学习
2020-09-02 v2 数据库
信息检索
机器学习
摘要
兴趣点（POI）推荐是帮助人们发现有趣场所或服务最重要的基于位置的服务之一。然而，极端的用户-POI 矩阵稀疏性以及变化的时空上下文给 POI 系统带来挑战，影响了 POI 推荐的质量。为此，我们提出一种基于平移的关系嵌入用于 POI 推荐。我们的方法利用知识图谱嵌入技术，将时间与地理信息以及语义内容有效编码于低维关系空间中。为进一步缓解用户-POI 矩阵稀疏性问题，在用户-POI 图上构建了组合矩阵分解框架，通过利用侧信息增强对动态个人兴趣的推断。在两个真实世界数据集上的实验证明了我们所提模型的有效性。
引用
@article{arxiv.2002.03461,
title = {Relation Embedding for Personalised POI Recommendation},
author = {Xianjing Wang and Flora D. Salim and Yongli Ren and Piotr Koniusz},
journal= {arXiv preprint arXiv:2002.03461},
year = {2020}
}
备注
12 pages, 3 figures, Accepted in the 24th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2020)