論文の概要: Joint Geographical and Temporal Modeling based on Matrix Factorization
for Point-of-Interest Recommendation
- arxiv url: http://arxiv.org/abs/2001.08961v1
- Date: Fri, 24 Jan 2020 12:25:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 05:34:25.092063
- Title: Joint Geographical and Temporal Modeling based on Matrix Factorization
for Point-of-Interest Recommendation
- Title（参考訳）: ポイント・オブ・インテンシブ・レコメンデーションのための行列因子化に基づく共同地理・時間モデル
- Authors: Hossein A. Rahmani, Mohammad Aliannejadi, Mitra Baratchi, Fabio
Crestani
- Abstract要約: POI(Point-of-Interest)レコメンデーションは,POIを推奨するユーザの好みやモビリティパターンを学習する重要なタスクとなっている。
従来の研究では、POI勧告を改善するためには、地理的影響や時間的影響などの文脈情報を取り入れることが必要であることが示されている。
- 参考スコア（独自算出の注目度）: 6.346772579930929
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the popularity of Location-based Social Networks, Point-of-Interest
(POI) recommendation has become an important task, which learns the users'
preferences and mobility patterns to recommend POIs. Previous studies show that
incorporating contextual information such as geographical and temporal
influences is necessary to improve POI recommendation by addressing the data
sparsity problem. However, existing methods model the geographical influence
based on the physical distance between POIs and users, while ignoring the
temporal characteristics of such geographical influences. In this paper, we
perform a study on the user mobility patterns where we find out that users'
check-ins happen around several centers depending on their current temporal
state. Next, we propose a spatio-temporal activity-centers algorithm to model
users' behavior more accurately. Finally, we demonstrate the effectiveness of
our proposed contextual model by incorporating it into the matrix factorization
model under two different settings: i) static and ii) temporal. To show the
effectiveness of our proposed method, which we refer to as STACP, we conduct
experiments on two well-known real-world datasets acquired from Gowalla and
Foursquare LBSNs. Experimental results show that the STACP model achieves a
statistically significant performance improvement, compared to the
state-of-the-art techniques. Also, we demonstrate the effectiveness of
capturing geographical and temporal information for modeling users' activity
centers and the importance of modeling them jointly.
- Abstract（参考訳）: 位置情報ベースのソーシャルネットワークの普及に伴い、POI(Point-of-Interest)レコメンデーションは重要なタスクとなり、POIを推奨するユーザの好みやモビリティパターンを学ぶ。
従来の研究では、地理的影響や時間的影響などの文脈情報を組み込むことで、データの疎性問題に対処してPOI勧告を改善する必要があることが示されている。
しかし、既存の手法は、これらの地理的影響の時間的特性を無視しつつ、POIとユーザ間の物理的距離に基づいて、地理的影響をモデル化する。
本稿では,ユーザの現在の時間的状況に応じて,ユーザのチェックインが複数の中心で発生することを明らかにする,ユーザモビリティパターンに関する研究を行う。
次に,ユーザの行動をより正確にモデル化する時空間的活動中心アルゴリズムを提案する。
最後に,二つの異なる条件下で行列因子化モデルに組み込むことにより,提案する文脈モデルの有効性を示す。
静的で,静的なさま
ii) 時間的です。
STACPと呼ばれる提案手法の有効性を示すため,GowallaとFoursquareのLBSNから取得した2つのよく知られた実世界のデータセットについて実験を行った。
実験結果から,STACPモデルは最先端技術と比較して統計的に有意な性能向上が得られた。
また、ユーザの活動中心をモデル化するための地理的・時間的情報収集の有効性と、それらを共同でモデル化することの重要性を示す。
関連論文リスト
- Bayes-enhanced Multi-view Attention Networks for Robust POI
Recommendation [81.4999547454189]
既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。
実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。
本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
論文 参考訳（メタデータ） (2023-11-01T12:47:38Z) - Reconstructing Spatiotemporal Data with C-VAEs [49.1574468325115]
移動領域の条件付き連続表現は一般的に用いられる。
本研究では,条件変数自動エンコーダ(C-VAE)モデルを用いて,領域の進化を現実的に表現する機能について検討する。
論文 参考訳（メタデータ） (2023-07-12T15:34:10Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳（メタデータ） (2022-10-22T17:29:34Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳（メタデータ） (2022-04-25T19:06:48Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳（メタデータ） (2022-04-18T09:25:06Z) - A Systematic Analysis on the Impact of Contextual Information on
Point-of-Interest Recommendation [6.346772579930929]
我々は、異なるコンテキストモデルを提案し、異なる主要なコンテキスト情報の融合をPOIレコメンデーションで分析する。
この結果から,地理的影響や時間的影響をモデル化することで,推奨品質が向上する一方で,他のコンテキスト情報をすべてレコメンデーションモデルに融合させることが必ずしも最善の戦略ではないことが示唆された。
論文 参考訳（メタデータ） (2022-01-20T12:41:12Z) - Leveraging Social Influence based on Users Activity Centers for
Point-of-Interest Recommendation [2.896192909215469]
明示的な友情ネットワークとユーザ間の高いチェックインオーバラップに基づく2段階の友情を導入する。
その結果,提案手法は2つの実世界のデータセットにおいて最先端のモデルよりも優れていた。
論文 参考訳（メタデータ） (2022-01-10T16:46:27Z) - Modelling of Bi-directional Spatio-Temporal Dependence and Users'
Dynamic Preferences for Missing POI Check-in Identification [38.51964956686177]
双方向の時間的依存とユーザの動的嗜好を統合するモデルであるBi-STDDPを開発した。
その結果, 最先端手法と比較して, モデルの大幅な改善が示された。
論文 参考訳（メタデータ） (2021-12-31T03:54:37Z) - Modeling long-term interactions to enhance action recognition [81.09859029964323]
本稿では,フレームレベルと時間レベルの両方でオブジェクト間の相互作用のセマンティクスを利用する,エゴセントリックなビデオのアンダースタンドアクションに対する新しいアプローチを提案する。
ユーザの手とほぼ対応するプライマリ領域と、相互作用するオブジェクトに対応する可能性のあるセカンダリ領域のセットを入力として、領域ベースのアプローチを使用する。
提案手法は, 標準ベンチマークの動作認識において, 最先端技術よりも優れている。
論文 参考訳（メタデータ） (2021-04-23T10:08:15Z) - An Enhanced Adversarial Network with Combined Latent Features for
Spatio-Temporal Facial Affect Estimation in the Wild [1.3007851628964147]
本稿では,遅延特徴に基づく時間的モデリングにより,空間的特徴と時間的特徴の両方を効率的に抽出する新しいモデルを提案する。
提案モデルは3つの主要ネットワークから成り,造語生成器,判別器,コンビネータを用いて,適応型アテンションモジュールを実現するために,敵対的な学習環境において訓練を行う。
論文 参考訳（メタデータ） (2021-02-18T04:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。