STGIN：面向大规模 POI 推荐的空间-时间图交互网络
信息检索
2023-10-25 v1
摘要
在基于位置的服务中，兴趣点（POI）推荐在用户体验与商业机会方面均起着关键作用。图神经网络已被证明在提供个性化 POI 推荐服务方面有效。然而，仍存在两个关键挑战。首先，现有图模型试图通过统一图捕捉用户多样化兴趣，这限制了其在各种空间-时间语境下表达兴趣的能力。其次，大规模系统中图构建与图采样的效率局限使其难以快速适应新的实时兴趣。为应对上述挑战，我们提出一种新颖的空间-时间图交互网络。具体而言，我们分别构建空间、时间、空间-时间及全局视图的子图，以精确刻画用户在不同语境下的兴趣。此外，我们设计了一个工业友好的框架来追踪用户最新兴趣。在真实世界数据集上的大量实验表明，我们的方法优于最先进的模型。本工作已成功部署于大型电商平台，带来了 1.1% 的 CTR 与 6.3% 的 RPM 提升。
引用
@article{arxiv.2309.02251,
title = {STGIN: Spatial-Temporal Graph Interaction Network for Large-scale POI Recommendation},
author = {Shaohua Liu and Yu Qi and Gen Li and Mingjian Chen and Teng Zhang and Jia Cheng and Jun Lei},
journal= {arXiv preprint arXiv:2309.02251},
year = {2023}
}
备注
accepted by CIKM 2023