两篇新研究论文介绍了POI(兴趣点)推荐系统的新方法。第一篇CaST-POI通过将用户表示条件化到候选位置,并结合时间新近度和空间距离偏差来改进推荐。第二篇SPAR通过整合真实世界空间感知来增强生成式POI推荐,使用一个将地理坐标编码为嵌入的框架,并在地理空间数据集上预训练模型,以在行为微调期间保留城市空间知识。 AI
影响 这些论文为基于位置的服务引入了先进技术,通过提供更相关、更具地理意识的推荐来潜在地改善用户体验。
排序理由 两篇在arXiv上发表的学术论文,提出了新的POI推荐方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- California
- CaST-POI
- New York City
- TKY
- Zhenyu Yu
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- SPAR
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →