論文の概要: A Survey on Point-of-Interest Recommendations Leveraging Heterogeneous Data

• arxiv url: http://arxiv.org/abs/2308.07426v4
• Date: Thu, 05 Dec 2024 11:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:36:28.280907
• Title: A Survey on Point-of-Interest Recommendations Leveraging Heterogeneous Data
• Title（参考訳）: 異種データを活用したポイント・オブ・インテンシブ・レコメンデーションに関する調査
• Authors: Zehui Wang, Wolfram Höpken, Dietmar Jannach,
• Abstract要約: 観光はレコメンデーションシステムにとって重要な分野である。 しかし、観光客にPOIレコメンデーションを提供することは、ユーザの状況の変化のため、特に困難である。 我々は,2021年から2023年にかけてのPOI勧告問題に関する調査結果を公表した。
• 参考スコア（独自算出の注目度）: 6.668386678519076
• License:
• Abstract: Tourism is an important application domain for recommender systems. In this domain, recommender systems are for example tasked with providing personalized recommendations for transportation, accommodation, points-of-interest (POIs), etc. Among these tasks, in particular the problem of recommending POIs that are of likely interest to individual tourists has gained growing attention in recent years. Providing POI recommendations to tourists can however be especially challenging due to the variability of the user's context. With the rapid development of the Web and today's multitude of online services, vast amounts of data from various sources have become available, and these heterogeneous data represent a huge potential to better address the challenges of POI recommendation problems. In this work, we provide a survey of published research on the problem of POI recommendation between 2021 and 2023. The literature was surveyed to identify the information types, techniques and evaluation methods employed. Based on the analysis, it was observed that the current research tends to focus on a relatively narrow range of information types and there is a significant potential in improving POI recommendation by leveraging heterogeneous data. As the first information-centric survey on POI recommendation research, this study serves as a reference for researchers aiming to develop increasingly accurate, personalized and context-aware POI recommender systems.
• Abstract（参考訳）: 観光はレコメンデーションシステムにとって重要な分野である。 このドメインでは、例えば、輸送、宿泊、利益のポイント(POI)などのパーソナライズされたレコメンデーションを提供するよう、レコメンデーションシステムに課される。 これらの課題の中で、特に個々の観光客にとって興味のあるPOIを推薦する問題は近年注目を集めている。 しかし、観光客にPOIレコメンデーションを提供することは、ユーザの状況の変化のため、特に困難である。 Webの急速な発展と、今日のオンラインサービスの多さにより、様々なソースからの膨大なデータが利用可能となり、これらの異種データがPOIレコメンデーション問題の課題に対処するための大きな可能性を示している。 本稿では,2021年から2023年にかけてのPOI勧告問題に関する調査結果について報告する。 文献を調査し,採用した情報の種類,技術,評価方法を明らかにした。 分析の結果,本研究は比較的限られた種類の情報に焦点をあてる傾向にあり,異種データの活用によるPOI推薦の改善に有意な可能性を秘めていることが明らかとなった。 POIレコメンデーション研究における最初の情報中心調査として、より正確でパーソナライズされ、コンテキスト対応のPOIレコメンデーションシステムの開発を目指す研究者の参考となる。

関連論文リスト

• A Comprehensive Survey of Direct Preference Optimization: Datasets, Theories, Variants, and Applications [52.42860559005861]
  DPO(Direct Preference Optimization)は、アライメントのための有望なアプローチとして登場した。 DPOの様々な進歩と固有の制限にもかかわらず、これらの側面の詳細なレビューは現在、文献に欠けている。
  論文  参考訳（メタデータ） (2024-10-21T02:27:24Z)
• 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)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• A Survey of Recommender System Techniques and the Ecommerce Domain [0.0]
  本稿では,e-Commerce,e-tourism,e-resources,e- Government,e-learning,e-libraryにおけるレコメンダシステムのさまざまな技術と展開についてレビューする。
  論文  参考訳（メタデータ） (2022-08-15T18:30:22Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• 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 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)
• 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 Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。