論文の概要: Redefining POI Popularity: Integrating User Preferences and Recency for Enhanced Recommendations

• arxiv url: http://arxiv.org/abs/2407.05360v2
• Date: Tue, 21 Jan 2025 07:39:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:14:27.208292
• Title: Redefining POI Popularity: Integrating User Preferences and Recency for Enhanced Recommendations
• Title（参考訳）: POIの人気を再定義する - 推奨機能強化のためのユーザの嗜好と関連性の統合
• Authors: Alif Al Hasan, Md. Musfique Anwar, M. Arifur Rahman,
• Abstract要約: 人気度は、次の訪問場所を選択するための決定要因の1つと考えられている。 既存のアプローチは主に、POIの人気をモデル化するチェックインの数に重点を置いている。 本稿では,POI の時間的効果,チェックイン数,チェックイン登録ユーザ数を考慮することで,POI の人気度を重視した定義を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The task of point-of-interest (POI) recommendation is to predict users' immediate future movements based on their previous records and present circumstances. Popularity is considered as one of the primary deciding factors for selecting the next place to visit. Existing approaches mainly focused on the number of check-ins to model the popularity of a POI. However, not enough attention is paid to the temporal impact or number of people check-ins for a particular POI. Thus, to prioritize more on recent check-ins, we propose recency-oriented definition of POI's popularity by considering the temporal effect of the POIs, the number of check-ins, as well as the number of users who registered in those check-ins. Our experimental results on real dataset show the efficacy of the proposed approach.
• Abstract（参考訳）: ポイント・オブ・インテリジェンス(POI:point-of-interest)の課題は,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である。 人気度は、次の訪問場所を選択するための決定要因の1つと考えられている。 既存のアプローチは主に、POIの人気をモデル化するチェックインの数に重点を置いている。 しかし、特定のPOIに対する時間的影響やチェックイン数に十分な注意が払われていない。 そこで我々は,最近のチェックインを優先するために,POIの時間的効果,チェックイン数,登録ユーザ数を考慮することで,POIの人気度指向の定義を提案する。 実データを用いた実験の結果,提案手法の有効性が示された。

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。