論文の概要: DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation
- arxiv url: http://arxiv.org/abs/2109.03535v1
- Date: Wed, 8 Sep 2021 10:36:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-09 13:42:55.058078
- Title: DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation
- Title（参考訳）: DeepAltTrip: トリプレコメンデーションのためのトップk代替イテレーション
- Authors: Syed Md. Mukit Rashid, Mohammed Eunus Ali, Muhammad Aamir Cheema
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.727697892741763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Trip itinerary recommendation finds an ordered sequence of Points-of-Interest
(POIs) from a large number of candidate POIs in a city. In this paper, we
propose a deep learning-based framework, called DeepAltTrip, that learns to
recommend top-k alternative itineraries for given source and destination POIs.
These alternative itineraries would be not only popular given the historical
routes adopted by past users but also dissimilar (or diverse) to each other.
The DeepAltTrip consists of two major components: (i) Itinerary Net (ITRNet)
which estimates the likelihood of POIs on an itinerary by using graph
autoencoders and two (forward and backward) LSTMs; and (ii) a route generation
procedure to generate k diverse itineraries passing through relevant POIs
obtained using ITRNet. For the route generation step, we propose a novel
sampling algorithm that can seamlessly handle a wide variety of user-defined
constraints. To the best of our knowledge, this is the first work that learns
from historical trips to provide a set of alternative itineraries to the users.
Extensive experiments conducted on eight popular real-world datasets show the
effectiveness and efficacy of our approach over state-of-the-art methods.
- Abstract（参考訳）: トリップ反復レコメンデーションは、都市の多数の候補POIから、POI(Points-of-Interest)の順序付きシーケンスを見つける。
本稿では,任意のソースと宛先poisに対してトップkの代替イテナリを推奨する学習を行う,deepalttripと呼ばれる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。
これらの代替の回廊は、過去の利用者が採用した歴史的なルートだけでなく、互いに異なる(あるいは多様な)ルートで人気がある。
deepalttripは2つの主要なコンポーネントで構成されている: (i) itinerary net (itrnet)は、グラフオートエンコーダと2つの(前方および後方の)lstmを使用して、itrnetで得られる関連するpoisを通り抜けるkの多様なitineraryを生成する経路生成手順である。
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。
私たちの知る限りでは、これは、ユーザに対して代替のイテレーションセットを提供するために、歴史的な旅行から学ぶ最初の作品です。
8つのポピュラーな実世界のデータセットで行った広範囲な実験は、最先端の手法に対するアプローチの有効性と有効性を示している。
関連論文リスト
- Research on Travel Route Planing Problems Based on Greedy Algorithm [0.0]
欲求アルゴリズムに基づく経路計画問題は、与えられた開始点と終了点の間の最適経路またはほぼ最適経路を特定する方法を表す。
本稿では,まず都市評価指標をダウンスケールし,主要な主要成分を抽出し,データをダウンスケールするためにPCA法を用いる。
旅行者のニーズに応じて個別にルートをカスタマイズする,欲求に基づく経路計画アルゴリズムが提案され,最適化されている。
論文 参考訳（メタデータ） (2024-10-17T05:17:01Z) - 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) - 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) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳（メタデータ） (2022-03-07T07:40:33Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳（メタデータ） (2021-10-28T14:18:22Z) - Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。
近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。
我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文 参考訳（メタデータ） (2021-04-16T17:58:56Z) - 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) - User Preferential Tour Recommendation Based on POI-Embedding Methods [0.624399544884021]
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。
論文 参考訳（メタデータ） (2021-03-03T15:18:23Z) - Exploration in two-stage recommender systems [79.50534282841618]
2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。
このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。
そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
論文 参考訳（メタデータ） (2020-09-01T16:52:51Z)
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。