Learning from Hometown and Current City: Cross-city POI Recommendation via Interest Drift and TL

Learning from Hometown and Current City: Cross-city POI Recommendation via Interest Drift and Transfer Learning 是 UbiComp 2019 的一篇文章。

这篇文章提出了一个解决在新城市（非用户家乡的城市）中为用户推荐POI（Point-of-Interests）的方法。新城市中的 POI 推荐存在的主要挑战是用户在新城市只有很少的POI访问历史数据（sparsity problem）。这导致传统模型的性能大打折扣。文章通过详细的数据分析，提出了两个发现：

• 旅行者的兴趣在家乡城市和旅行城市之间的漂移（drift）和迁移（transfer）共存。
• 旅行者（travelers）与当地人（locals）的兴趣有差别。

考虑了这两个因素，文章提出了一个 POI 推荐框架：POI Recommendation framework with User Interest Drift and Transfer (PR-UIDT)。通过联合考虑这两个因素，文章设计了用户隐向量和 POI 隐向量。