論文の概要: Memory efficient location recommendation through proximity-aware
representation
- arxiv url: http://arxiv.org/abs/2310.06484v2
- Date: Tue, 24 Oct 2023 11:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 23:03:28.881312
- Title: Memory efficient location recommendation through proximity-aware
representation
- Title(参考訳): 近接認識表現によるメモリ効率の高い位置推薦
- Authors: Xuan Luo, Mingqing Huang, Rui Lv, Hui Zhao
- Abstract要約: 逐次レコメンデーション(PASR:Sequential Recommendation)のための近接認識型領域表現を提案する。
本稿では,重要サンプリングを用いた新たな損失関数を用いて,最適化時の情報的負のサンプルを強調することで,疎結合問題に対処する。
3つの実世界位置ベースソーシャルネットワーキング(LBSN)データセットを用いて評価を行い,PASRが最先端の逐次位置推薦手法を上回ることを示した。
- 参考スコア(独自算出の注目度): 8.505840656442217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sequential location recommendation plays a huge role in modern life, which
can enhance user experience, bring more profit to businesses and assist in
government administration. Although methods for location recommendation have
evolved significantly thanks to the development of recommendation systems,
there is still limited utilization of geographic information, along with the
ongoing challenge of addressing data sparsity. In response, we introduce a
Proximity-aware based region representation for Sequential Recommendation (PASR
for short), built upon the Self-Attention Network architecture. We tackle the
sparsity issue through a novel loss function employing importance sampling,
which emphasizes informative negative samples during optimization. Moreover,
PASR enhances the integration of geographic information by employing a
self-attention-based geography encoder to the hierarchical grid and proximity
grid at each GPS point. To further leverage geographic information, we utilize
the proximity-aware negative samplers to enhance the quality of negative
samples. We conducted evaluations using three real-world Location-Based Social
Networking (LBSN) datasets, demonstrating that PASR surpasses state-of-the-art
sequential location recommendation methods
- Abstract(参考訳): シーケンシャルな位置推薦は、ユーザー体験を高め、ビジネスに利益をもたらし、行政を補助する現代の生活において大きな役割を果たす。
位置推薦手法は,レコメンデーションシステムの開発によって大きく発展してきたが,地理的情報の利用は限定的であり,データの疎性に対処する課題も続いている。
そこで本研究では,自己認識ネットワークアーキテクチャ上に構築された逐次レコメンデーション(PASR:Sequential Recommendation)の領域表現について述べる。
本稿では,重要サンプリングを用いた新たな損失関数を用いて,最適化時の情報的負のサンプルを強調する。
さらに、PASRは、自己アテンションに基づく地理エンコーダを、各GPSポイントにおける階層グリッドと近接グリッドに利用することにより、地理情報の統合を強化する。
さらに地理情報を活用するため,近接認識型負のサンプリング器を用いて負のサンプルの品質を向上させる。
3つの実世界位置ベースソーシャルネットワーキング(LBSN)データセットを用いて評価を行い、PASRが最先端のシーケンシャルな位置推薦方法を上回ることを示した。
関連論文リスト
- Enhanced Urban Region Profiling with Adversarial Self-Supervised
Learning [8.328861861105889]
本研究では,EUPASと呼ばれる都市域埋め込みのための自己教師付きグラフ協調フィルタリングモデルを提案する。
具体的には、人間の移動データ、関心点(POI)情報、地域ごとの地理的近傍の詳細を含む地域不均一グラフをモデルに入力する。
このモデルは、GCNとマルチヘッドアテンションを通じて、リージョン内およびリージョン間依存関係を保存する領域埋め込みを生成する。
論文 参考訳(メタデータ) (2024-02-02T06:06:45Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳(メタデータ) (2023-09-04T13:44:50Z) - 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) - Kernel-based Substructure Exploration for Next POI Recommendation [20.799741790823425]
POI(Point-of-Interest)レコメンデーションは、レコメンデーションシステムにおいてますます重要な役割を果たす。
既存のほとんどの手法は、リカレントニューラルネットワーク(RNN)を利用して、レコメンデーションのためのシーケンシャルな影響を探索する。
地理的および逐次的影響の両特性を組み合わせた,次回のPOIレコメンデーションのための Kernel-based Graph Neural Network (KBGNN) を提案する。
論文 参考訳(メタデータ) (2022-10-08T08:36:34Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - Doing More with Less: Overcoming Data Scarcity for POI Recommendation
via Cross-Region Transfer [9.571588145356277]
Axolotlは、データ豊富な領域で学習した位置選好モデルを転送して、データスカース領域におけるレコメンデーションの品質を高めることを目的とした、新しい方法である。
Axolotlは、すべてのメトリクスで既存の最先端メソッドよりも最大18%優れたレコメンデーションパフォーマンスを実現していることを示す。
論文 参考訳(メタデータ) (2022-01-16T17:12:52Z) - An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot
Learning [77.72330187258498]
エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。
ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。
グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
論文 参考訳(メタデータ) (2021-11-03T11:13:13Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳(メタデータ) (2021-06-23T17:27:04Z) - On the Path to High Precise IP Geolocation: A Self-Optimizing Model [0.0]
IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。
本稿では,位置決定のための高精度かつ自己最適化モデルを提案する。
論文 参考訳(メタデータ) (2020-04-03T12:45:27Z)
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。