用于在线旅行规划的空间-时间深度意图目的地网络
人工智能
2021-08-10 v1
摘要
如今，人工神经网络被广泛用于用户的在线旅行规划。个性化旅行规划具有许多实际应用，并受交通类型、意图目的地估计、预算限制与拥挤度预测等多种因素影响。其中，用户意图目的地预测是在线旅行平台中的一项关键任务。原因在于，仅当旅行计划与用户真实意图目的地匹配时，用户才可能对该计划感兴趣。因此，本文聚焦于预测在线旅行平台中用户的意图目的地。具体而言，我们作为在线旅行平台（如飞猪与 Airbnb）为用户推荐旅行计划，该计划由酒店套餐、景区套餐等多种度假产品组成。在旅行规划中预测真实意图目的地颇具挑战。首先，用户意图目的地与其旅行状态（如行程规划中或行程结束后）高度相关。其次，用户在不同产品类型（如火车票、签证申请）上的行为（如点击、搜索）对目的地预测具有不同指示意义。第三，用户多在公共假期前夕访问旅行平台，因而其在在线旅行平台上的行为更稀疏、低频且长周期。为此，我们提出深度多序列融合神经网络（DMSN）从融合的多行为序列中预测意图目的地。我们使用真实数据集评估所提 DMSN 模型的性能。实验结果表明，所提 DMSN 模型可实现较高的意图目的地预测准确率。
引用
@article{arxiv.2108.03989,
title = {Spatial-Temporal Deep Intention Destination Networks for Online Travel Planning},
author = {Yu Li and Fei Xiong and Ziyi Wang and Zulong Chen and Chuanfei Xu and Yuyu Yin and Li Zhou},
journal= {arXiv preprint arXiv:2108.03989},
year = {2021}
}