論文の概要: Beyond Check-in Counts: Redefining Popularity for POI Recommendation with Users and Recency
- arxiv url: http://arxiv.org/abs/2407.05360v1
- Date: Sun, 07 Jul 2024 13:23:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 20:15:58.828814
- Title: Beyond Check-in Counts: Redefining Popularity for POI Recommendation with Users and Recency
- Title(参考訳): チェックイン数を超えて:POI推奨のユーザとレコメンデーションの人気を再定義する
- Authors: Alif Al Hasan, Md Musfique Anwar,
- Abstract要約: 本稿では,POIの人気,チェックイン数,チェックイン登録者数に時間的影響を考慮し,信頼度を重視した人気度の定義を提案する。
実験結果から,POIの信頼度を考慮した人気定義では,単にチェックイン数に基づく人気定義よりも性能がよいことが示された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: The next POI (point of interest) recommendation aims to predict users' immediate future movements based on their prior records and present circumstances, which will be very beneficial to service providers as well as users. The popularity of the POI over time is one of the primary deciding factors for choosing the next POI to visit. The majority of research in recent times has paid more attention to the number of check-ins to define the popularity of a point of interest, disregarding the temporal impact or number of people checking in for a particular POI. In this paper, we propose a recency-oriented definition of popularity that takes into account the temporal effect on POI's popularity, the number of check-ins, as well as the number of people who registered those check-ins. Thus, recent check-ins get prioritized with more weight compared to the older ones. Experimental results demonstrate that performance is better with recency-aware popularity definitions for POIs than with solely check-in count-based popularity definitions.
- Abstract(参考訳): 次のPOI(point of interest)レコメンデーションは、過去の記録と現状に基づいて、ユーザの今後の動きを予測することを目的としており、サービス提供者やユーザにとって非常に有益である。
時間とともにPOIの人気は、訪問する次のPOIを選択するための主要な決定要因の1つです。
近年の研究の大部分は、特定のPOIにチェックインする人々の時間的影響や数を無視して、関心点の人気を定義するためのチェックインの数に注意を払っている。
本稿では,POIの人気,チェックイン数,チェックイン登録者数に時間的影響を考慮し,信頼度を重視した人気度定義を提案する。
このように、最近のチェックインは、古いチェックインよりも重み付けで優先順位付けされる。
実験結果から,POIの信頼度を考慮した人気定義では,単にチェックイン数に基づく人気定義よりも性能がよいことが示された。
関連論文リスト
- Enhancing Sequential Music Recommendation with Personalized Popularity Awareness [56.972624411205224]
本稿では、パーソナライズされた人気情報をシーケンシャルなレコメンデーションに組み込む新しいアプローチを提案する。
実験結果から、パーソナライズされた最もポピュラーなレコメンデータは、既存の最先端モデルよりも優れていることが示された。
論文 参考訳(メタデータ) (2024-09-06T15:05:12Z) - A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
選好選好における選好バイアスの影響について検討した。
大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。
本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
論文 参考訳(メタデータ) (2024-05-01T14:56:56Z) - TransTARec: Time-Adaptive Translating Embedding Model for Next POI Recommendation [0.0]
時刻は次のPOIレコメンデーションにおいて重要な役割を果たすが、最近提案された翻訳埋め込み手法では無視されている。
時間適応型翻訳埋め込みモデル(TransTARec)を提案する。
TransTARecの優位性は、現実世界のデータセットに関する広範な実験によって確認されている。
論文 参考訳(メタデータ) (2024-04-10T15:36:59Z) - 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) - Capturing Popularity Trends: A Simplistic Non-Personalized Approach for
Enhanced Item Recommendation [10.606845291519932]
Popularity-Aware Recommender (PARE) は、最も人気の高いアイテムを予測することで、非個人化されたレコメンデーションを行う。
私たちの知る限り、レコメンデーションシステムでアイテムの人気を明示的にモデル化する最初の試みである。
論文 参考訳(メタデータ) (2023-08-17T06:20:03Z) - 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) - 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) - PURS: Personalized Unexpected Recommender System for Improving User
Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。
3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文 参考訳(メタデータ) (2021-06-05T01:33:21Z) - Universal Off-Policy Evaluation [64.02853483874334]
ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す
我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
論文 参考訳(メタデータ) (2021-04-26T18:54:31Z) - User-centered Evaluation of Popularity Bias in Recommender Systems [4.30484058393522]
推薦とランク付けシステムは人気バイアスに悩まされ、アルゴリズムは人気アイテムを数種類選んで、他の項目の大半を下書きする傾向にある。
本稿では,これらのアルゴリズムをユーザの視点から評価したい場合に,人気バイアス軽減度を評価するための既存の指標の限界を示す。
ユーザ中心の視点から,人気バイアスを緩和する効果的なアプローチを提案する。
論文 参考訳(メタデータ) (2021-03-10T22:12:51Z)
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。