Utilizing Language Models for Tour Itinerary Recommendation

要約

ツアー旅程の推奨には、オペレーションズ リサーチ (OR) と推奨システム (RS) の両方の分野からの課題を組み合わせた、関連する一連の関心地点 (POI) の計画が含まれます。
OR の問題として、いくつかの制約 (例: ツアーの最大時間) を遵守しながら、特定の効用 (例: ツアー内の POI の人気) を最大化する必要があります。
RS の問題として、ユーザーに関連する POI のサブセットをフィルタリングまたはランク付けし、それを旅程の一部として推奨する問題に大きく関係しています。
このペーパーでは、ツアー旅程の推奨と計画のタスクのための言語モデルの使用について検討します。
このタスクには、ユーザーに関連するパーソナライズされた POI を推奨し、これらの POI をさまざまな制約を満たす旅程として計画するという独自の要件があります。
この分野では、POI 埋め込みを学習するための Word2Vec や GloVe などの単語埋め込み技術や、旅程を生成するための BERT などのトランスフォーマー ベースの技術を使用するなど、いくつかのアプローチについて説明します。

要約(オリジナル)

Tour itinerary recommendation involves planning a sequence of relevant Point-of-Interest (POIs), which combines challenges from the fields of both Operations Research (OR) and Recommendation Systems (RS). As an OR problem, there is the need to maximize a certain utility (e.g., popularity of POIs in the tour) while adhering to some constraints (e.g., maximum time for the tour). As a RS problem, it is heavily related to problem or filtering or ranking a subset of POIs that are relevant to a user and recommending it as part of an itinerary. In this paper, we explore the use of language models for the task of tour itinerary recommendation and planning. This task has the unique requirement of recommending personalized POIs relevant to users and planning these POIs as an itinerary that satisfies various constraints. We discuss some approaches in this area, such as using word embedding techniques like Word2Vec and GloVe for learning POI embeddings and transformer-based techniques like BERT for generating itineraries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google