論文の概要: An Empirical Evaluation of Cross-City POI Recommendation on a Large-Scale Benchmark

• arxiv url: http://arxiv.org/abs/2608.27840v1
• Date: Fri, 28 Aug 2026 02:16:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.182002
• Title: An Empirical Evaluation of Cross-City POI Recommendation on a Large-Scale Benchmark
• Title（参考訳）: 大規模ベンチマークによる都市間POI勧告の実証評価
• Abstract要約: 都市横断点(POI)勧告は、慣れない都市環境をナビゲートするために重要である。 小さいベンチマークで得られた結論が、まだ世界規模でカバーされているか、住宅先が低いか、大きな意味的にリッチなPOI在庫が重複しているかを再検討する。
• 参考スコア（独自算出の注目度）: 55.73054722370559
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cross-city point-of-interest (POI) recommendation is crucial for navigating unfamiliar urban environments, yet its progress has historically been constrained by data limitations. Using the recently proposed large-scale benchmark Trip World, we empirically re-examine whether conclusions drawn on small prior benchmarks still hold under worldwide coverage, low home-destination region overlap, and large, semantically rich POI inventories. Our evaluation surfaces three bottlenecks of representative state-of-the-art methods: (1) hometown-aware models appear to rely more on destination-region priors than on user-specific preference transfer; (2) their accuracy-efficiency trade-off degrades at this scale, where the simplest model is among the strongest; and (3) existing mechanisms for integrating semantic metadata yield little benefit. We further include a diagnostic pilot on agentic methods adapted from next-POI recommendation, finding that naive adaptation trails a simple popularity prior even though the relevant semantic signal is present in the data. These results highlight the need for task-specific designs that support cross-city preference transfer, semantic grounding, and scalable reasoning over unseen destination inventories.
• Abstract（参考訳）: クロスシティ・ポイント・オブ・関心(POI)レコメンデーションは、不慣れな都市環境をナビゲートするために重要であるが、その進歩は歴史的にデータ制限によって制限されてきた。 最近提案された大規模ベンチマークTrip Worldを用いて、世界規模で展開されている小さなベンチマークで引き出された結論がまだ維持されているか、ホームディセプション領域の重複が低いか、意味的にリッチなPOIインベントリが大きなかを実証的に再検討する。 提案手法は,(1)ユーザ固有の嗜好伝達よりも先着地優先に頼っているように思われる,(2)このスケールでの精度・効率のトレードオフは,最も単純なモデルが最強である,(3)セマンティックメタデータを統合するための既存のメカニズムにはほとんど利益が得られない,という3つのボトルネックを呈する。 さらに,Next-POIレコメンデーションから適応したエージェント手法の診断パイロットも加わり,関連する意味信号がデータに存在しても,ナイーブ適応が単純な人気を辿ることを発見した。 これらの結果から, 都市間嗜好伝達, セマンティックグラウンド, 拡張性のある推論をサポートするタスク固有の設計の必要性が浮き彫りになった。

関連論文リスト

• Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection [53.988759250627425]
  HeROD(Heuristic-inspired ROD)は、明示的で解釈可能な空間的および意味的推論を注入する軽量でモデルに依存しないフレームワークである。 HeRODは、スカーセラベル体制において強い接地ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-03-25T10:33:22Z)
• STRATA-TS: Selective Knowledge Transfer for Urban Time Series Forecasting with Retrieval-Guided Reasoning [27.775793400546345]
  STRATA-TSは、ドメイン適応検索と推論可能な大規模モデルを組み合わせることで、不足するデータレシエーションの予測を改善するフレームワークである。 効率的な配置を実現するため, 教師付き微調整により, 推論過程をコンパクトなオープンモデルに蒸留する。 シンガポール、ノッティンガム、グラスゴーの3つのパーキングアベイラビリティーデータセットの実験では、STRATA-TSは強い予測と転送ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-26T03:18:53Z)
• On-Road Object Importance Estimation: A New Dataset and A Model with Multi-Fold Top-Down Guidance [70.80612792049315]
  本稿では,交通オブジェクト重要度(TOI)という,新しい大規模データセットを提案する。 ボトムアップ機能とマルチフォールドトップダウンガイダンスを統合するモデルを提案する。 我々のモデルは最先端の手法を大きなマージンで上回る。
  論文  参考訳（メタデータ） (2024-11-26T06:37:10Z)
• Forecasting Unseen Points of Interest Visits Using Context and Proximity Priors [7.294418916091012]
  機械学習モデルは、個人が過去の訪問パターンを分析することによって、将来訪問する可能性が高いポイント・オブ・関心(POI)を予測することができる。 従来の研究では、各クラスがPOIに対応するPOI分類器を学習することでこの問題に対処していた。 本稿では,学習データの外部に新たなPOIを予測するためのモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-22T16:50:10Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• DE$^3$-BERT: Distance-Enhanced Early Exiting for BERT based on Prototypical Networks [43.967626080432275]
  BERT(DE$3$-BERT)のための新しい遠隔拡張早期実行フレームワークを提案する。 我々は,古典的エントロピーに基づく地域情報と距離に基づくグローバル情報とを補完するハイブリッドエグジット戦略を実装した。 GLUEベンチマークの実験では、De$3$-BERTが最先端モデルより一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2024-02-03T15:51:17Z)
• Memory efficient location recommendation through proximity-aware representation [8.505840656442217]
  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。
  論文  参考訳（メタデータ） (2023-10-10T09:53:07Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• 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)

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。