論文の概要: IntTravel: A Real-World Dataset and Generative Framework for Integrated Multi-Task Travel Recommendation
- arxiv url: http://arxiv.org/abs/2602.11664v1
- Date: Thu, 12 Feb 2026 07:35:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.696101
- Title: IntTravel: A Real-World Dataset and Generative Framework for Integrated Multi-Task Travel Recommendation
- Title（参考訳）: IntTravel: 統合マルチタスクトラベルレコメンデーションのための実世界のデータセットと生成フレームワーク
- Authors: Huimin Yan, Longfei Xu, Junjie Sun, Zheng Liu, Wei Luo, Kaikui Liu, Xiangxiang Chu,
- Abstract要約: IntTravelは、統合旅行レコメンデーションのための最初の大規模データセットである。
ユーザ数は163万、POIは730万である。
マルチタスクレコメンデーションのためのエンドツーエンドデコーダのみの生成フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 22.704617141313545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Next Point of Interest (POI) recommendation is essential for modern mobility and location-based services. To provide a smooth user experience, models must understand several components of a journey holistically: "when to depart", "how to travel", "where to go", and "what needs arise via the route". However, current research is limited by fragmented datasets that focus merely on next POI recommendation ("where to go"), neglecting the departure time, travel mode, and situational requirements along the journey. Furthermore, the limited scale of these datasets impedes accurate evaluation of performance. To bridge this gap, we introduce IntTravel, the first large-scale public dataset for integrated travel recommendation, including 4.1 billion interactions from 163 million users with 7.3 million POIs. Built upon this dataset, we introduce an end-to-end, decoder-only generative framework for multi-task recommendation. It incorporates information preservation, selection, and factorization to balance task collaboration with specialized differentiation, yielding substantial performance gains. The framework's generalizability is highlighted by its state-of-the-art performance across both IntTravel dataset and an additional non-travel benchmark. IntTravel has been successfully deployed on Amap serving hundreds of millions of users, leading to a 1.09% increase in CTR. IntTravel is available at https://github.com/AMAP-ML/IntTravel.
- Abstract（参考訳）: Next Point of Interest (POI) の勧告は、モビリティとロケーションベースのサービスにとって不可欠である。
スムーズなユーザエクスペリエンスを実現するために、モデルでは、旅行のいくつかのコンポーネントを、"出発する時"、"旅する時"、"行き先"、"ルートを介して何が必要か"という、全体的的に理解する必要があります。
しかしながら、現在の研究は、次のPOIレコメンデーション("where to go")のみに焦点を当てた断片化されたデータセットによって制限されている。
さらに、これらのデータセットの限られたスケールは、パフォーマンスの正確な評価を妨げる。
このギャップを埋めるために、私たちはIntTravelを紹介した。IntTravelは、統合された旅行レコメンデーションのための最初の大規模なパブリックデータセットで、163万人のユーザと730万のPOIを持つ410億のインタラクションを含んでいる。
このデータセットに基づいて、マルチタスクレコメンデーションのためのエンドツーエンドでデコーダのみの生成フレームワークを導入する。
情報保存、選択、因子化を取り入れて、タスクの協調と特殊分化をバランスさせ、実質的なパフォーマンス向上をもたらす。
フレームワークの汎用性は、IntTravelデータセットと追加の非トラベルベンチマークの両方にわたる最先端のパフォーマンスによって強調されている。
IntTravelは数億のユーザに対してAmap上でのデプロイに成功しており、CTRは1.09%増加した。
IntTravelはhttps://github.com/AMAP-ML/IntTravelで入手できる。
関連論文リスト
- TripTailor: A Real-World Benchmark for Personalized Travel Planning [28.965273870656446]
TripTailorは、現実世界のシナリオでパーソナライズされた旅行計画のためのベンチマークである。
このデータセットには、50,000以上の現実世界の関心点(POI)と4000近い多様な旅行イテナリーが含まれている。
旅行計画において、実現可能性、合理性、パーソナライズされたカスタマイズなど、いくつかの重要な課題を特定します。
論文 参考訳（メタデータ） (2025-08-02T16:44:02Z) - The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。
データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
論文 参考訳（メタデータ） (2025-06-06T09:22:21Z) - Massive-STEPS: Massive Semantic Trajectories for Understanding POI Check-ins -- Dataset and Benchmarks [8.789624590579903]
重み付きSTEPS(POIチェックイン理解のための主観的意味軌道)を提示する。
Massive-STEPSは、Semantic Trailsデータセット上に構築された、大規模で一般公開されたベンチマークデータセットである。
大規模STEPSは地理的に多様な12の都市にまたがっており、以前のデータセットよりも最新の、文化的に多様なモデルが特徴である。
論文 参考訳（メタデータ） (2025-05-16T13:29:18Z) - Learning to Drive Anywhere with Model-Based Reannotation [49.80796496905606]
ロボットの視覚ナビゲーションポリシーを一般化するためのフレームワークを開発する。
クラウドソースの遠隔操作データや、ラベルなしのYouTubeビデオなど、受動的に収集されたデータを活用します。
このデータはLogoNavに蒸留される。LogoNavは、視覚的目標やGPSのウェイポイントに照準を合わせられた長い水平航法ポリシーだ。
論文 参考訳（メタデータ） (2025-05-08T18:43:39Z) - TripCraft: A Benchmark for Spatio-Temporally Fine Grained Travel Planning [7.841787597078323]
TripCraft は LLM によるパーソナライズされた旅行計画のための,新たなベンチマークを確立している。
パラメータ情報設定は食事スケジューリングを著しく向上させ、7日間のシナリオでは時間的食事スコアが61%から80%に向上する。
論文 参考訳（メタデータ） (2025-02-27T20:33:28Z) - Mastering Collaborative Multi-modal Data Selection: A Focus on Informativeness, Uniqueness, and Representativeness [63.484378941471114]
我々は、効果的なデータ選択のために、インフォーマル性、ユニーク性、代表性という3つの重要な原則を活用するコラボレーティブフレームワーク、DataTailorを提案する。
様々なベンチマークの実験により、DataTailorはデータの15%でフルデータの微調整のパフォーマンスの101.3%を達成している。
論文 参考訳（メタデータ） (2024-12-09T08:36:10Z) - To the Globe (TTG): Towards Language-Driven Guaranteed Travel Planning [54.9340658451129]
To the Globe(TTG)は、ユーザから自然言語要求を受け取り、それをシンボリックフォームに変換するリアルタイムのデモシステムである。
システム全体の応答に5秒を要し、保証されたイテナリでユーザ要求に応答する。
ユーザによる評価では、TTGは生成した繰り返しで35-40%のネットプロモータースコア(NPS)を一貫して達成する。
論文 参考訳（メタデータ） (2024-10-21T19:30:05Z) - Large Scale Interactive Motion Forecasting for Autonomous Driving : The
Waymo Open Motion Dataset [84.3946567650148]
10万枚以上のシーンが10Hzで20秒に渡り、私たちの新しいデータセットには1750kmの道路上の570時間以上のユニークなデータが含まれています。
高精度な3d自動ラベルシステムを用いて,道路エージェント毎に高品質な3dバウンディングボックスを生成する。
シングルエージェントとジョイントエージェントの相互作用運動予測モデルの両方を総合的に評価する新しいメトリクスセットを紹介します。
論文 参考訳（メタデータ） (2021-04-20T17:19:05Z) - What's Your Value of Travel Time? Collecting Traveler-Centered Mobility
Data via Crowdsourcing [4.297843164736973]
旅行者が他の活動に旅行時間を使うことのできる、価値ある時間の異なるパラダイムを構築します。
専用モバイルアプリから収集した旅行者とその旅行に関するデータを含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2021-04-12T20:48:28Z) - A Data-Driven Analytical Framework of Estimating Multimodal Travel
Demand Patterns using Mobile Device Location Data [5.902556437760098]
本稿では,スマートフォンの位置データからマルチモーダル旅行需要パターンを抽出するデータ駆動分析フレームワークを提案する。
トラベルモードインプテーションのための訓練された単層モデルとディープニューラルネットワークを開発した。
この枠組みは、近隣の鉄道、地下鉄、高速道路、バス路線への交通ルートの近接性を評価するためにマルチモーダル交通網も組み込んでいる。
論文 参考訳（メタデータ） (2020-12-08T22:49:44Z)
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。