SPOT-Trip：双偏好驱动的异地行程推荐
信息检索
2025-09-23 v3
摘要
异地行程推荐旨在根据个性化行程（例如出发地、目的地和行程时长），为从家乡前往未访问过区域的用户生成一系列兴趣点 (POIs)。建模复杂的用户偏好——通常表现出静态和动态兴趣的双重性质——对于有效的推荐至关重要。然而，异地签到数据的稀疏性为捕捉此类用户偏好带来了重大挑战。同时，现有方法通常将静态和动态偏好混为一谈，导致性能次优。在本文中，我们首次系统地研究了异地行程推荐问题。提出了一个新颖的框架 SPOT-Trip，以显式地学习静态-动态双重用户偏好。具体而言，为了处理数据稀缺问题，我们构建了一个 POI 属性知识图谱，以丰富用户家乡和异地签到的语义建模，通过属性关系感知聚合实现静态偏好建模。然后，我们采用神经常微分方程 (ODEs) 来捕捉潜在动态用户偏好的连续演化，并创新性地结合时序点过程来描述每种偏好行为的瞬时概率。此外，提出了一个静态-动态融合模块来融合所学习的静态和动态用户偏好。在真实数据上的大量实验深入揭示了所提解决方案的有效性，表明 SPOT-Trip 实现了高达 17.01% 的性能提升。
引用
@article{arxiv.2506.01705,
title = {SPOT-Trip: Dual-Preference Driven Out-of-Town Trip Recommendation},
author = {Yinghui Liu and Hao Miao and Guojiang Shen and Yan Zhao and Xiangjie Kong and Ivan Lee},
journal= {arXiv preprint arXiv:2506.01705},
year = {2025}
}
备注
Accepted by NeurIPS 2025