.png){kind=icon}
返回
Travel itinerary recommendation using interaction-based augmented data
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2024.126294.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
行程规划对旅行者来说很复杂，因为旅行内容（包括要访问的地点、可接受的时间和距离）可能多种多样。旅行推荐系统（TRSs）会为旅行者推荐最相关的行程。本文提出了一种交互式框架，允许用户直接在地图上编辑行程以更好地适应其偏好。该框架通过记录用户行程修改来收集反馈数据，推断正负偏好，并使用我们的排名基损失函数微调推荐模型。这种基于交互的数据增强方法通过捕捉各种旅行项目的组合，解决了个性化带来的数据稀疏性问题。在我们的实验中，我们评估了多种模型和行程生成方法的组合，以展示将交互数据整合到TRSs中的有效性。我们的实验评估表明，我们的交互式TRS在点集精度和排名精度方面能提供更符合用户偏好的行程；整合始终提高了所有组件组合的准确性，特别是对于小型骨干模型，改进效果尤为显著。
Keyword:
Travel recommender systems
Itineraries
Data augmentation
User interaction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
The Effect of Consumer-Activated Mind-Set and Product Involvement on the Compliance With Recommender System Advice.png)
Sage Open
Sage OpenIF0
PREAI
分享收藏
Conversational Recommender SystemThe 41st International ACM SIGIR Conference on Research & Development in Information RetrievalOAAI
The 41st International ACM SIGIR Conference on Research & Development in Information RetrievalIF0
OAAI分享收藏Evaluating the effectiveness of and patterns of interactions with automated searching assistance
PREAI
分享收藏
查看更多内容