論文の概要: BERT4Loc: BERT for Location -- POI Recommender System

• arxiv url: http://arxiv.org/abs/2208.01375v1
• Date: Tue, 2 Aug 2022 11:46:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:32:26.460980
• Title: BERT4Loc: BERT for Location -- POI Recommender System
• Title（参考訳）: bert4loc:位置情報のためのbert -- poiレコメンデーションシステム
• Authors: Syed Raza Bashir, Vojislav Misic
• Abstract要約: 変換器からの双方向表現に基づく位置認識レコメンデーションシステムを提案する。 提案モデルは位置情報とユーザの好みを組み込んだモデルである。 我々のモデルは、一貫して様々な最先端のシーケンシャルモデルより優れています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommending points of interest is a difficult problem that requires precise location information to be extracted from a location-based social media platform. Another challenging and critical problem for such a location-aware recommendation system is modelling users' preferences based on their historical behaviors. We propose a location-aware recommender system based on Bidirectional Encoder Representations from Transformers for the purpose of providing users with location-based recommendations. The proposed model incorporates location data and user preferences. When compared to predicting the next item of interest (location) at each position in a sequence, our model can provide the user with more relevant results. Extensive experiments on a benchmark dataset demonstrate that our model consistently outperforms a variety of state-of-the-art sequential models.
• Abstract（参考訳）: 興味のあるポイントを推薦することは、位置情報ベースのソーシャルメディアプラットフォームから正確な位置情報を抽出する必要がある難しい問題である。 このような位置対応レコメンデーションシステムでは, ユーザの履歴行動に基づいた好みのモデル化が課題であり, 重要な課題である。 本稿では,トランスフォーマからの双方向エンコーダ表現に基づく位置認識型レコメンダシステムを提案する。 提案モデルは位置情報とユーザの好みを組み込んだモデルである。 シーケンス内の各位置における次の関心項目(位置)を予測する場合と比較すると,より関連性の高い結果が得られる。 ベンチマークデータセットの大規模な実験により、我々のモデルは様々な最先端のシーケンシャルモデルより一貫して優れていることが示された。

関連論文リスト

• Preference Diffusion for Recommendation [50.8692409346126]
  DMベースのレコメンデータに適した最適化対象であるPreferDiffを提案する。 PreferDiffは、BPRをログライクなランキング目標に変換することで、ユーザの好みをよりよく把握する。 これはDMベースのレコメンデーション向けに特別に設計された、パーソナライズされたランキングの損失である。
  論文  参考訳（メタデータ） (2024-10-17T01:02:04Z)
• A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の4.13%が大幅に向上した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• 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)
• An End-to-End Transformer Model for Crowd Localization [64.15335535775883]
  頭の位置を予測するクラウドローカライゼーションは、単にカウントするよりも実用的でハイレベルなタスクである。 既存の方法は擬似有界ボックスや事前設計されたローカライゼーションマップを使用し、複雑な後処理に頼って先頭位置を得る。 本稿では,レグレッションベースパラダイムの課題を解決するエレガントでエンドツーエンドなクラウドローカライゼーションTRansformerを提案する。
  論文  参考訳（メタデータ） (2022-02-26T05:21:30Z)
• 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)
• Exploiting Bi-directional Global Transition Patterns and Personal Preferences for Missing POI Category Identification [37.025295828186955]
  欠落したPOIカテゴリを識別する新しいニューラルネットワーク手法を提案する。 具体的には、チェックインカテゴリ情報が、個人以外の遷移パターンや個人の好みとどのように一致しているかをモデル化するアテンションマッチングセルを設計する。 我々のモデルは、競争力のある次のPOIカテゴリの推薦や予測タスクに対処するために自然に拡張することができる。
  論文  参考訳（メタデータ） (2021-12-31T04:15:37Z)
• 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)
• 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)
• MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection [110.87712780017819]
  推薦システムにおけるユーザレベルの適応モデル選択を容易にするメタラーニングフレームワークを提案する。 2つのパブリックデータセットと実世界のプロダクションデータセットで実験を行います。
  論文  参考訳（メタデータ） (2020-01-22T16:05:01Z)

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。