論文の概要: A Systematic Analysis on the Impact of Contextual Information on
Point-of-Interest Recommendation
- arxiv url: http://arxiv.org/abs/2201.08150v1
- Date: Thu, 20 Jan 2022 12:41:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-21 14:32:00.576911
- Title: A Systematic Analysis on the Impact of Contextual Information on
Point-of-Interest Recommendation
- Title（参考訳）: 関心点推薦における文脈情報の影響に関する体系的分析
- Authors: Hossein A. Rahmani and Mohammad Aliannejadi and Mitra Baratchi and
Fabio Crestani
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.346772579930929
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the popularity of Location-based Social Networks (LBSNs) increases,
designing accurate models for Point-of-Interest (POI) recommendation receives
more attention. POI recommendation is often performed by incorporating
contextual information into previously designed recommendation algorithms. Some
of the major contextual information that has been considered in POI
recommendation are the location attributes (i.e., exact coordinates of a
location, category, and check-in time), the user attributes (i.e., comments,
reviews, tips, and check-in made to the locations), and other information, such
as the distance of the POI from user's main activity location, and the social
tie between users. The right selection of such factors can significantly impact
the performance of the POI recommendation. However, previous research does not
consider the impact of the combination of these different factors. In this
paper, we propose different contextual models and analyze the fusion of
different major contextual information in POI recommendation. The major
contributions of this paper are: (i) providing an extensive survey of
context-aware location recommendation (ii) quantifying and analyzing the impact
of different contextual information (e.g., social, temporal, spatial, and
categorical) in the POI recommendation on available baselines and two new
linear and non-linear models, that can incorporate all the major contextual
information into a single recommendation model, and (iii) evaluating the
considered models using two well-known real-world datasets. Our results
indicate that while modeling geographical and temporal influences can improve
recommendation quality, fusing all other contextual information into a
recommendation model is not always the best strategy.
- Abstract（参考訳）: 位置情報ベースのソーシャルネットワーク(LBSN)の普及に伴い、POI(Point-of-Interest)レコメンデーションの正確なモデルの設計が注目されている。
POIレコメンデーションは、以前設計されたレコメンデーションアルゴリズムにコンテキスト情報を組み込むことによって実行されることが多い。
POIレコメンデーションで考慮された主要なコンテキスト情報には、位置属性(場所、カテゴリ、チェックイン時間の正確な座標)、ユーザ属性(場所に対して作成されたコメント、レビュー、ヒント、チェックイン)、およびユーザのメインアクティビティロケーションからのPOIの距離、ユーザ間の社会的結びつきなどである。
このような要因の適切な選択は、POIレコメンデーションのパフォーマンスに大きな影響を与えます。
しかし、これまでの研究ではこれらの異なる要因の組み合わせの影響は考慮されていない。
本稿では,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解析する。
本論文の主な貢献は次のとおりである。
(i)状況認識型位置情報推薦の広範な調査
(ii)poiレコメンデーションにおける異なる文脈情報(例えば、社会的、時間的、空間的、カテゴリー的)が利用可能なベースラインと、すべての主要な文脈情報を単一のレコメンデーションモデルに組み込むことができる2つの新しい線形および非線形モデルに与える影響を定量化し、分析すること。
(iii)よく知られた2つの実世界データセットを用いた検討モデルの評価。
以上の結果から,地理的および時間的影響をモデル化することでレコメンデーション品質が向上する一方で,他のすべての文脈情報をレコメンデーションモデルに融合することが必ずしも最善の戦略であるとは限らない。
関連論文リスト
- Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。
因果的観点からRSを定式化し、二元的介入として勧告を定式化する。
提案手法では,結果の一致を最大化する手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T07:21:02Z) - When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective [64.73162159837956]
ログ化されたデータセットだけで仮説的ターゲットポリシーの価値を評価することは重要だが、難しい。
データ中心のフレームワークであるDataCOPEを提案する。
医療データセットを用いたログ化された文脈的帯域設定におけるDataCOPEの実証分析により、機械学習と人間の専門家ポリシーの両方を評価する能力が確認された。
論文 参考訳（メタデータ） (2023-11-23T17:13:37Z) - 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) - 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) - Improving Rating and Relevance with Point-of-Interest Recommender System [0.0]
我々は、協調情報とコンテンツ情報の両方が存在する場合に、クエリとイテムの関連性をモデル化するディープニューラルネットワークアーキテクチャを開発する。
これらの学習された表現を大規模データセットに適用すると、大幅な改善がもたらされた。
論文 参考訳（メタデータ） (2022-02-17T16:43:17Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z) - A Survey on Deep Learning Based Point-Of-Interest (POI) Recommendations [1.3859669037499769]
位置情報ベースのソーシャルネットワーク(LBSN)は、チェックイン、意見、写真、レビューを共有することで、友人や知り合いと交流することを可能にする。
LBSNから生成された膨大な量のデータが新たな研究の道を開き、Point-of-Interest(POI)レコメンデーションと呼ばれる新しいサブフィールドのレコメンデーションシステムを生み出した。
POIレコメンデーション技術は、ユーザの履歴チェックインとPOI属性や友情ネットワークなどのマルチモーダル情報を利用して、ユーザに適した次のPOIセットを推奨する。
論文 参考訳（メタデータ） (2020-11-20T02:55:52Z) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳（メタデータ） (2020-02-12T15:59:31Z) - Relation Embedding for Personalised POI Recommendation [34.043989803855844]
本稿では,POIレコメンデーションのための翻訳ベース埋め込みを提案する。
提案手法は,低時間関係空間における時間的内容と意味的内容を効果的に符号化する。
動的個人利害の推論を強化するために,ユーザPOIグラフ上に複合因数分解フレームワークを構築した。
論文 参考訳（メタデータ） (2020-02-09T22:26:52Z) - Joint Geographical and Temporal Modeling based on Matrix Factorization
for Point-of-Interest Recommendation [6.346772579930929]
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。
論文 参考訳（メタデータ） (2020-01-24T12:25:37Z)
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。