論文の概要: CityHood: An Explainable Travel Recommender System for Cities and Neighborhoods
- arxiv url: http://arxiv.org/abs/2507.18778v1
- Date: Thu, 24 Jul 2025 20:01:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-28 16:16:48.744427
- Title: CityHood: An Explainable Travel Recommender System for Cities and Neighborhoods
- Title（参考訳）: CityHood: 都市と近隣住民のための説明可能な旅行レコメンデーションシステム
- Authors: Gustavo H Santos, Myriam Delgado, Thiago H Silva,
- Abstract要約: CityHoodはインタラクティブなレコメンデーションシステムであり、ユーザの関心領域に基づいて都市や近隣を推薦する。
このシステムは、地理的、社会的、政治的、文化的指標に富んだ大規模なGoogle Placesレビューを活用するユーザーの興味をモデル化する。
ユーザーは指定した好みに基づいてレコメンデーションを探索し、ビジュアルインターフェースを通じて各提案の背後にある推論を検査することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present CityHood, an interactive and explainable recommendation system that suggests cities and neighborhoods based on users' areas of interest. The system models user interests leveraging large-scale Google Places reviews enriched with geographic, socio-demographic, political, and cultural indicators. It provides personalized recommendations at city (Core-Based Statistical Areas - CBSAs) and neighborhood (ZIP code) levels, supported by an explainable technique (LIME) and natural-language explanations. Users can explore recommendations based on their stated preferences and inspect the reasoning behind each suggestion through a visual interface. The demo illustrates how spatial similarity, cultural alignment, and interest understanding can be used to make travel recommendations transparent and engaging. This work bridges gaps in location-based recommendation by combining a kind of interest modeling, multi-scale analysis, and explainability in a user-facing system.
- Abstract（参考訳）: 本稿では,ユーザの関心領域に基づいて都市や周辺を推薦するインタラクティブで説明可能なレコメンデーションシステムであるCityHoodを紹介する。
このシステムは、地理的、社会的、政治的、文化的指標に富んだ大規模なGoogle Placesレビューを活用するユーザーの興味をモデル化する。
都市(コアベース統計地域 - CBSA)と地区(ZIPコード)レベルでパーソナライズされたレコメンデーションを提供し、説明可能な技術(LIME)と自然言語の説明がサポートされている。
ユーザーは指定した好みに基づいてレコメンデーションを探索し、ビジュアルインターフェースを通じて各提案の背後にある推論を検査することができる。
デモでは、空間的類似性、文化的アライメント、関心の理解が、旅行勧告の透明性とエンゲージメントにどのように役立つかを説明している。
本研究は, ユーザ向けシステムにおける関心モデリング, マルチスケール分析, 説明可能性を組み合わせることで, 位置に基づく推薦のギャップを埋めるものである。
関連論文リスト
- Interest Networks (iNETs) for Cities: Cross-Platform Insights and Urban Behavior Explanations [0.0]
位置情報に基づくソーシャルネットワーク(LBSN)は、iNETによる都市行動モデリングのためのリッチな基盤を提供する(関心ネットワーク)
この研究は、プラットフォーム間のiNET(Google PlacesとFoursquare)と空間的粒度を比較し、粗いレベルがより一貫性のあるクロスプラットフォームパターンを示すことを示している。
我々は,異なるユーザタイプに対して,高関心の都市部を予測するマルチレベル・説明可能なレコメンデーションシステムを開発した。
論文 参考訳（メタデータ） (2025-07-07T13:34:15Z) - Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。
ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。
その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
論文 参考訳（メタデータ） (2025-05-05T18:13:22Z) - Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳（メタデータ） (2025-02-05T17:14:45Z) - Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。
従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。
そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文 参考訳（メタデータ） (2023-12-26T15:44:09Z) - Meta-learning enhanced next POI recommendation by leveraging check-ins
from auxiliary cities [32.70591612636725]
メタラーニングを強化した次世代POI勧告フレームワーク(MERec)を提案する。
MERecleverは、様々な都市間のチェックイン行動の相関関係をメタラーニングパラダイムに分類し、ターゲット都市におけるユーザの嗜好を推測する。
特に、都市レベルの相関戦略は、都市間の共通パターンを注意深く捉え、より相関のある都市からより関連性の高い知識を伝達するために考案されている。
論文 参考訳（メタデータ） (2023-08-18T05:07:41Z) - Att-KGCN: Tourist Attractions Recommendation System by using Attention
mechanism and Knowledge Graph Convolution Network [6.571146539235987]
我々は、改良された注意知識グラフ畳み込みネットワークモデル(Att-KGCN$)を提案する。
注意層は比較的類似した位置を集約し、隣接するベクトルでそれらを表現する。
観光客の好む選択によれば、このモデルはレコメンデーションシステムとして類似のスポットの確率を予測する。
論文 参考訳（メタデータ） (2023-06-19T14:06:28Z) - 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) - Explainability in Music Recommender Systems [69.0506502017444]
音楽レコメンダシステム(MRS)の文脈における説明可能性について論じる。
MRSは非常に複雑で、推奨精度に最適化されることが多い。
本稿では、MSSに説明可能性コンポーネントを組み込む方法と、どのようなフォーム説明を提供するかを示す。
論文 参考訳（メタデータ） (2022-01-25T18:32:11Z) - Out-of-Town Recommendation with Travel Intention Modeling [45.61038400572223]
アウト・オブ・タウン・レコメンデーションは、ホームタウン・エリアを離れ、これまで行ったことのないエリアを訪れるユーザー向けに設計されています。
都市外チェックインの行動は、ユーザーのホームタウンの好みだけでなく、ユーザーの旅行意図によって決定されるため、都市外ユーザーに対してPOI(Point-of-interests)を推奨することは困難です。
本稿では,TRAINOR という名称の街外勧告フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-29T13:14:29Z) - Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。
本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文 参考訳（メタデータ） (2020-12-04T23:40:59Z) - Urban2Vec: Incorporating Street View Imagery and POIs for Multi-Modal
Urban Neighborhood Embedding [8.396746290518102]
Urban2Vecは、ストリートビューイメージと関心のポイントデータの両方を組み込んだ、教師なしマルチモーダルフレームワークである。
我々は,Urban2Vecがベースラインモデルよりも優れた性能を実現し,下流予測タスクにおける完全教師付き手法に匹敵する性能を示す。
論文 参考訳（メタデータ） (2020-01-29T21:30:53Z)
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。