論文の概要: User Preferential Tour Recommendation Based on POI-Embedding Methods

• arxiv url: http://arxiv.org/abs/2103.02464v1
• Date: Wed, 3 Mar 2021 15:18:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-06 21:35:35.503285
• Title: User Preferential Tour Recommendation Based on POI-Embedding Methods
• Title（参考訳）: POI-Embedding法によるユーザ優先ツアー推薦
• Authors: Ngai Lam Ho, Kwan Hui Lim
• Abstract要約: POI埋め込み手法を用いてパーソナライズツアーを推薦するアルゴリズムを提案する。 提案アルゴリズムは時間と位置の制約を最適化するpoisのシーケンスを生成する。 予備実験の結果,本アルゴリズムは適切で正確な文を推薦できることがわかった。
• 参考スコア（独自算出の注目度）: 0.624399544884021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tour itinerary planning and recommendation are challenging tasks for tourists in unfamiliar countries. Many tour recommenders only consider broad POI categories and do not align well with users' preferences and other locational constraints. We propose an algorithm to recommend personalized tours using POI-embedding methods, which provides a finer representation of POI types. Our recommendation algorithm will generate a sequence of POIs that optimizes time and locational constraints, as well as user's preferences based on past trajectories from similar tourists. Our tour recommendation algorithm is modelled as a word embedding model in natural language processing, coupled with an iterative algorithm for generating itineraries that satisfies time constraints. Using a Flickr dataset of 4 cities, preliminary experimental results show that our algorithm is able to recommend a relevant and accurate itinerary, based on measures of recall, precision and F1-scores.
• Abstract（参考訳）: ツアーの旅程の計画と推奨は、不慣れな国の観光客にとって困難なタスクです。 多くのツアーレコメンデーションは、幅広いpoiカテゴリのみを考慮し、ユーザの好みや他のロケーション制約とうまく一致しない。 POI型をより細かく表現するPOI埋め込み手法を用いてパーソナライズされたツアーを推薦するアルゴリズムを提案する。 我々の推薦アルゴリズムは、時間的制約と位置的制約を最適化するPOIのシーケンスと、類似した観光客の過去の軌跡に基づくユーザの好みを生成する。 ツアーレコメンデーションアルゴリズムは、自然言語処理における単語埋め込みモデルとしてモデル化され、時間制約を満たすイテレーションを生成する反復アルゴリズムと組み合わせられる。 4都市のFlickrデータセットを使用して、予備実験の結果は、リコール、精度、F1スコアの測定に基づいて、アルゴリズムが関連性のある正確な旅程を推薦できることを示しています。

関連論文リスト

• To the Globe (TTG): Towards Language-Driven Guaranteed Travel Planning [54.9340658451129]
  To the Globe(TTG)は、ユーザから自然言語要求を受け取り、それをシンボリックフォームに変換するリアルタイムのデモシステムである。 システム全体の応答に5秒を要し、保証されたイテナリでユーザ要求に応答する。 ユーザによる評価では、TTGは生成した繰り返しで35-40%のネットプロモータースコア(NPS)を一貫して達成する。
  論文  参考訳（メタデータ） (2024-10-21T19:30:05Z)
• Pre-trained Language Model and Knowledge Distillation for Lightweight Sequential Recommendation [51.25461871988366]
  本稿では,事前学習言語モデルと知識蒸留に基づく逐次推薦アルゴリズムを提案する。 提案アルゴリズムは,推薦精度を高め,タイムリーな推薦サービスを提供する。
  論文  参考訳（メタデータ） (2024-09-23T08:39:07Z)
• Utilizing Language Models for Tour Itinerary Recommendation [2.5128274367283785]
  ツアーイテナリーレコメンデーションでは、関連するPOI(Point-of-Interest)のシーケンスを計画する。 本稿では,旅程の推薦・計画作業における言語モデルの利用について検討する。
  論文  参考訳（メタデータ） (2023-11-21T05:15:56Z)
• SBTRec- A Transformer Framework for Personalized Tour Recommendation Problem with Sentiment Analysis [6.753123338256321]
  SBTRecは、感情分析を備えたBERTベースのTrajectory Recommendationである。 異なるPOIに関するレビューやコメントから、ユーザの好みと満足度レベルを学ぶ。 平均F1スコアは61.45%で、ベースラインアルゴリズムより優れている。
  論文  参考訳（メタデータ） (2023-11-18T13:30:01Z)
• BTRec: BERT-Based Trajectory Recommendation for Personalized Tours [6.753123338256321]
  多くのツアーレコメンデーションツールは、人気のPoints of Interest(POI)やルーティング制約など、限られた要素しか考慮していない。 本稿では,提案する反復アルゴリズムであるBTREC (BERT-based Trajectory Recommendation)を提案する。 我々の推薦システムは、訪問したPOIを最大化する旅行イテナリーを作成するとともに、POIのカテゴリと時間可用性のユーザの好みを考慮した旅行イテナリーを作成することができる。
  論文  参考訳（メタデータ） (2023-10-30T18:00:26Z)
• POIBERT: A Transformer-based Model for the Tour Recommendation Problem [0.3121997724420106]
  本稿では,POI 上での BERT 言語モデルを用いて,パーソナライズされたイテレーションを推薦するアルゴリズムである POIBERT を提案する。 提案手法では, 類似観光地からの過去のトラジェクトリに基づいて, POIカテゴリの時間とユーザの嗜好を最適化するPOIのシーケンスを生成することができる。
  論文  参考訳（メタデータ） (2022-12-16T12:32:15Z)
• 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)
• 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)
• 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)
• Model Selection in Contextual Stochastic Bandit Problems [51.94632035240787]
  基本アルゴリズムを選択できるメタアルゴリズムを開発した。 基本アルゴリズムの1つが$O(sqrtT)$後悔している場合でも、一般的には$Omega(sqrtT)$後悔よりも良いものを得ることはできません。
  論文  参考訳（メタデータ） (2020-03-03T18:46:34Z)
• Optimistic Policy Optimization with Bandit Feedback [70.75568142146493]
  我々は,事前の報奨を後悔する$tilde O(sqrtS2 A H4 K)を定め,楽観的な信頼領域ポリシー最適化(TRPO)アルゴリズムを提案する。 我々の知る限り、この2つの結果は、未知の遷移と帯域幅フィードバックを持つポリシー最適化アルゴリズムにおいて得られた最初のサブ線形後悔境界である。
  論文  参考訳（メタデータ） (2020-02-19T15:41:18Z)

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。