STP-UDGAT：面向下一 POI 推荐的空间-时间-偏好用户维度图注意力网络
信息检索
2020-10-15 v1 机器学习
社会与信息网络
摘要
下一兴趣点（POI）推荐是基于位置的社交网络（LBSN）与交通领域一个长期存在的问题。近期基于循环神经网络（RNN）的方法依据独立的用户访问序列在局部视图中学习 POI-POI 关系。这限制了模型以全局视图直接跨用户连接与学习、从而推荐经语义训练的 POI 的能力。本工作中，我们提出空间-时间-偏好用户维度图注意力网络（STP-UDGAT），一种新颖的探索-利用模型，它同时利用个性化用户偏好并在全局空间-时间-偏好（STP）邻域中探索新 POI，同时允许用户有选择地从其他用户学习。此外，我们提出随机游走作为一种掩码自注意力选项，以利用 STP 图的结构并在探索中发现新的高阶 POI 邻居。在六个真实世界数据集上的实验结果表明，我们的模型显著优于基线与最先进方法。
引用
@article{arxiv.2010.07024,
title = {STP-UDGAT: Spatial-Temporal-Preference User Dimensional Graph Attention Network for Next POI Recommendation},
author = {Nicholas Lim and Bryan Hooi and See-Kiong Ng and Xueou Wang and Yong Liang Goh and Renrong Weng and Jagannadan Varadarajan},
journal= {arXiv preprint arXiv:2010.07024},
year = {2020}
}
备注
To appear in Proceedings of the 29th ACM International Conference on Information and Knowledge Management (CIKM), 2020