SBTRec：一种基于 Transformer 框架并融合情感分析的个性化旅游推荐方法
信息检索
2023-11-21 v1 人工智能
机器学习
社会与信息网络
摘要
当游客前往陌生城市度假时，通常依赖旅行指南、旅游网站或推荐系统来规划每日行程并探索热门兴趣点（POI）。然而，这些方法在时间可行性、地域性和用户偏好方面可能缺乏优化。本文提出 SBTRec 算法：一种基于 BERT 的融合情感分析的轨迹推荐方法，用于推荐作为行程的个性化 POI 序列。本工作的关键贡献包括分析用户的签到记录和上传照片，以理解 POI 访问与距离之间的关系。我们提出 SBTRec，其包含情感分析，通过理解用户对不同 POI 的评价和评论中的偏好与满意度来提升推荐准确性。我们使用来自 8 个城市的数据集，将所提算法与其他序列预测方法进行了评估。结果表明，SBTRec 取得了 61.45% 的平均 F1 分数，优于基线算法。本文进一步讨论了 SBTRec 算法的灵活性、其在无需修改的情况下适应不同场景和城市的能力，以及通过引入额外信息以实现更可靠预测的扩展潜力。总体而言，SBTRec 提供个性化且相关的 POI 推荐，提升游客的整体旅行体验。未来工作包括微调用户的个性化嵌入，并结合对 POI 的用户评论评估，以进一步提升预测精度。
引用
@article{arxiv.2311.11071,
title = {SBTRec- A Transformer Framework for Personalized Tour Recommendation Problem with Sentiment Analysis},
author = {Ngai Lam Ho and Roy Ka-Wei Lee and Kwan Hui Lim},
journal= {arXiv preprint arXiv:2311.11071},
year = {2023}
}