TransTARec: Time-Adaptive Translating Embedding Model for Next POI Recommendation

要約

位置取得テクノロジーの急速な成長により、ユーザーのチェックイン記録が重複するため、POI (Point-of-Interest) の推奨が可能になりました。
このペーパーでは、次の POI が前の POI に基づく次の POI の推奨に焦点を当てます。
次の POI の推奨では時間が重要な役割を果たしていますが、最近提案されている翻訳埋め込み方法では無視されていることがわかります。
この不足に対処するために、時間的影響、逐次的なダイナミクス、およびユーザーの好みを単一のコンポーネント内に自然に組み込む、次の POI レコメンデーション用の時間適応変換埋め込みモデル (TransTARec) を提案します。
方法論的には、(前のタイムスタンプ、ユーザー、次のタイムスタンプ) トリプレットを和集合変換ベクトルとして扱い、ユーザーの好みと時間的影響を融合するニューラルベースの融合演算を開発します。
TransTARec の優位性は、実世界のデータセットに対する広範な実験によって確認されていますが、時間的影響の導入だけでなく、ユーザーの好みや逐次的なダイナミクスとの直接的な統合からもたらされます。

要約(オリジナル)

The rapid growth of location acquisition technologies makes Point-of-Interest(POI) recommendation possible due to redundant user check-in records. In this paper, we focus on next POI recommendation in which next POI is based on previous POI. We observe that time plays an important role in next POI recommendation but is neglected in the recent proposed translating embedding methods. To tackle this shortage, we propose a time-adaptive translating embedding model (TransTARec) for next POI recommendation that naturally incorporates temporal influence, sequential dynamics, and user preference within a single component. Methodologically, we treat a (previous timestamp, user, next timestamp) triplet as a union translation vector and develop a neural-based fusion operation to fuse user preference and temporal influence. The superiority of TransTARec, which is confirmed by extensive experiments on real-world datasets, comes from not only the introduction of temporal influence but also the direct unification with user preference and sequential dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google