論文の概要: Modeling Multi-Destination Trips with Sketch-Based Model
- arxiv url: http://arxiv.org/abs/2102.11252v2
- Date: Tue, 23 Feb 2021 07:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 11:32:19.537077
- Title: Modeling Multi-Destination Trips with Sketch-Based Model
- Title（参考訳）: スケッチモデルを用いたマルチデスティネーショントリップのモデル化
- Authors: Micha{\l} Daniluk, Barbara Rychalska, Konrad Go{\l}uchowski, Jacek
D\k{a}browski
- Abstract要約: 本研究では,Booking Data Challengeコンペティションへの適用を検討する。
この課題の目的は、数百万の匿名の宿泊予約を持つデータセットに基づいて、ユーザー旅行の次の目的地に最適なレコメンデーションを行うことである。
- 参考スコア（独自算出の注目度）: 0.745554610293091
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The recently proposed EMDE (Efficient Manifold Density Estimator) model
achieves state of-the-art results in session-based recommendation. In this work
we explore its application to Booking Data Challenge competition. The aim of
the challenge is to make the best recommendation for the next destination of a
user trip, based on dataset with millions of real anonymized accommodation
reservations. We achieve 2nd place in this competition. First, we use Cleora -
our graph embedding method - to represent cities as a directed graph and learn
their vector representation. Next, we apply EMDE to predict the next user
destination based on previously visited cities and some features associated
with each trip. We release the source code at:
https://github.com/Synerise/booking-challenge.
- Abstract（参考訳）: 最近提案されたEMDE(Efficient Manifold Density Estimator)モデルは、セッションベースのレコメンデーションで最新の結果を達成します。
本研究では,Booking Data Challengeコンペティションへの適用を検討する。
この課題の目的は、数百万の匿名の宿泊予約を持つデータセットに基づいて、ユーザー旅行の次の目的地に最適なレコメンデーションを行うことである。
このコンペで2位を獲得します。
まず,都市を有向グラフとして表現し,そのベクトル表現を学習するために,Cleoraour graph Embedding法を用いる。
次に、これまで訪れた都市と旅行に関連するいくつかの特徴に基づいて、次のユーザ目的地を予測するためにEMDEを適用した。
ソースコードはhttps://github.com/Synerise/booking-challenge.comで公開しています。
関連論文リスト
- Second Place Solution of WSDM2023 Toloka Visual Question Answering Challenge [9.915564470970049]
We present our solution for the WSDM2023 Toloka Visual Question Answering Challenge。
マルチモーダル事前学習モデルの適用に触発されて,我々は3段階のソリューションを設計した。
我々のチームは最終予選で76.342点を獲得し、ランキング2位となった。
論文 参考訳（メタデータ） (2024-07-05T04:56:05Z) - Diffusion-Refined VQA Annotations for Semi-Supervised Gaze Following [74.30960564603917]
訓練用視線モデルには、人間のアノテータによって注釈付けされた視線目標座標を持つ多数の画像が必要である。
タスクに2つの新しい前処理を導入することで、視線追跡のための最初の半教師付き手法を提案する。
提案手法は,GazeFollow画像データセットに基づく単純な擬似アノテーション生成ベースラインよりも優れている。
論文 参考訳（メタデータ） (2024-06-04T20:43:26Z) - Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。
提案手法は,複数のMOTデータセット上での最先端性能を実現する。
画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
論文 参考訳（メタデータ） (2023-03-27T17:39:00Z) - 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) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - PG$^2$Net: Personalized and Group Preferences Guided Network for Next
Place Prediction [6.276895823979034]
訪問先を予測することは、人間の移動行動の鍵となる。
我々は、パーソナライズされたグループ選好ガイドネットワーク(PG$2$Net)というエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-15T07:02:41Z) - DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation [4.727697892741763]
本稿では,DeepAltTripというディープラーニングベースのフレームワークを提案する。
経路生成のステップでは,多様なユーザ定義制約をシームレスに処理できる新しいサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-08T10:36:59Z) - Data Augmentation Using Many-To-Many RNNs for Session-Aware Recommender
Systems [0.0]
Booking.comが主催するACM WSDM WebTour 2021 Challengeは、旅行ドメインにSession-Awareレコメンダシステムを適用することに焦点を当てている。
本稿では,各ステップでユーザが選択した次の宛先を予測する多対多のRNNモデルを提案する。
私たちのソリューションは,最終的なリーダボードでは4位,精度は0.5566で達成しました。
論文 参考訳（メタデータ） (2021-08-22T22:12:25Z) - Attention-based neural re-ranking approach for next city in trip
recommendations [77.34726150561087]
本稿では,旅行予約システムにおける次の目的地都市推薦問題へのアプローチについて述べる。
本研究では,候補選択のためのアプローチと,候補再選のための注意ニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2021-03-23T11:56:40Z) - Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement [54.29252286561449]
グラフPCNNと呼ばれる2段階のグラフベースおよびモデルに依存しないフレームワークを提案する。
第1段階では、粗局化結果を得るために熱マップ回帰ネットワークを適用し、ガイドポイントと呼ばれる一連の提案キーポイントをサンプリングする。
第2段階では、各案内点について、ローカライゼーションにより異なる視覚特徴を抽出する。
ガイドされた点間の関係は、より正確なローカライゼーション結果を得るためにグラフポーズ精製モジュールによって探索される。
論文 参考訳（メタデータ） (2020-07-21T04:59:15Z)
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。