Conditional Generative Adversarial Network-Based Travel Route Recommendation

Shin, Sunbin

doi:10.32604/cmc.2025.070613

Conditional Generative Adversarial Network-Based Travel Route Recommendation

2026-01-01

1

PRE

AI

DOI：10.32604/cmc.2025.070613

原文链接

原文求助

摘要

En 中文

从稀疏、隐式反馈中推荐个性化旅游路线是一个重大挑战，因为传统系统常因信息过载而难以捕捉用户偏好的复杂序列特性。为解决此问题，我们提出一种条件生成对抗网络（CGAN），用于生成多样且高度相关的行程。该方法首先构建一个包含用户资料的条件向量，该向量通过融合异构信息网络（HIN）的嵌入以建模复杂的用户-地点-路线关系，利用循环神经网络（RNN）捕捉路径的序列动态，并结合神经协同过滤（NCF）纳入用户群体的协同信号。这一综合条件进一步结合用户交互的置信度和不确定性特征，引导一个通过谱归一化稳定的CGAN生成高保真度的潜在路线表示，有效缓解数据稀疏问题。推荐通过锚点扩展算法实现，该算法基于用户历史选择相关兴趣点（POI），再通过潜在相似性匹配和地理连贯性优化扩展路线，最终以旅行商问题（TSP）为基础优化实际旅行距离。在真实签到数据集上的实验验证了模型独特的生成能力，F1分数在0.163至0.305之间，近零对F1分数在0.002至0.022之间。结果表明模型通过推荐新地点和序列而非重复用户历史行程，成功生成新颖旅游路线。本研究为个性化旅行规划提供了稳健方案，能够通过学习集体旅行智能，为新旧用户生成新颖且吸引人的路线。

Keyword:

Travel route recommendation

conditional generative adversarial network

heterogeneous information network

anchor-and-expand algorithm

Conditional Generative Adversarial Network-Based Travel Route Recommendation

摘要

期刊

机构

引用论文