![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
POI
文章平均质量分 94
海豚没有海
浙江工业大学电子信息在读研究生,专注于分享阅读的论文,欢迎大家一起讨论学习。
展开
-
论文阅读——Where to Go Next- A Spatio-Temporal Gated Network for Next POI Recommendation
下一个兴趣点 (POI) 推荐对用户和 POI 持有者都有很大价值,但这是一项具有挑战性的任务,因为极其稀疏的用户签到数据中包含复杂的顺序模式和丰富的上下文。最近提出的嵌入技术在通过对上下文信息进行建模来缓解数据稀疏问题方面显示出了有希望的结果,并且循环神经网络(RNN)已被证明在顺序预测中是有效的。然而,现有的下一个 POI 推荐方法分别训练嵌入和网络模型,无法充分利用丰富的上下文。在本文中,我们提出了一种新颖的统一神经网络框架,名为NeuNext,它利用 POI 上下文预测来通过。原创 2024-07-12 16:02:27 · 606 阅读 · 0 评论 -
论文阅读——ApeGNN- Node-Wise Adaptive Aggregation in GNNs for Recommendation
近年来,图神经网络(GNN)在推荐方面取得了长足的进步。基于 GNN 的推荐系统的核心机制是迭代聚合用户-项目交互图上的邻近信息。然而,现有的 GNN 平等对待用户和项目,无法区分每个节点的不同局部模式,这使得它们在推荐场景中表现不佳。为了解决这一挑战,我们提出了一种节点式自适应图神经网络框架 ApeGNN。ApeGNN 开发了一种用于信息聚合的节点式自适应扩散机制,其中每个节点都能够根据局部结构(例如程度)自适应地决定其扩散权重。我们在六个广泛使用的推荐数据集上进行了实验。原创 2024-06-17 09:57:20 · 799 阅读 · 1 评论 -
论文阅读-CLSPRec- Contrastive Learning of Long and Short-term Preferences for Next POI Recommendation
通过利用 Transformer 编码器,我们揭示了用户全天活动之间的依赖关系,从而生成了。原创 2024-06-12 10:58:26 · 949 阅读 · 0 评论 -
论文阅读——MMPOI- A Multi-Modal Content-Aware Framework for POI Recommendations
兴趣点(POI)推荐系统旨在根据用户的签到顺序推荐未来潜在的访问,但面临着数据稀缺的挑战。这一挑战主要源于数据稀疏问题,即用户仅与少量 POI 进行交互。大多数现有研究试图通过关注 POI 签到序列来解决这个问题,而不考虑通常与 POI 相关的大量多模态内容信息(例如文本和图像数据)。在本文中,我们提出了一种新颖的 POI 推荐(MMPOI)多模式内容感知框架。我们的方法通过从新的角度整合有关 POI 的多模式内容信息来解决数据稀疏问题。原创 2024-06-03 16:41:31 · 715 阅读 · 2 评论 -
DisenPOI Disentangling Sequential and Geographical Influence for Point-of-Interest Recommendation
兴趣点(POI)推荐在各种位置感知服务中发挥着至关重要的作用。据观察,POI 推荐受到顺序和地理影响的驱动。然而,由于在推荐过程中没有对主导影响进行标注,现有的方法往往将这两种影响纠缠在一起,这可能会导致推荐性能次优和可解释性差。在本文中,我们通过提出 DisenPOI 来解决上述挑战,这是一种新颖的用于 POI 推荐的解缠结双图框架,它联合利用两个独立图上的顺序关系和地理关系,并通过自我监督来解开这两种影响。与现有方法相比,我们的模型的关键新颖之处在于通过对比学习提取顺序和地理影响的解开表示。原创 2024-04-23 10:11:39 · 830 阅读 · 0 评论 -
论文阅读——MCN4Rec Multi-level Collaborative Neural Network for Next Location Recommendation
MCN4Rec:用于下一个位置推荐的多级协作神经网络。原创 2024-04-16 16:50:18 · 681 阅读 · 0 评论