Combinando modelos de diversificação complementares para recomendações personalizadas de pontos de interesse
Keywords:
Sistemas de recomendação, Ponto de interesse, Personalização, Mapeamento sistemático, FrameworkAbstract
Atualmente, Redes Sociais Baseadas em Localização (LBSNs) têm se tornado uma ferramenta importante para ajudar pessoas a explorarem novos lugares -- a.k.a., pontos de interesse (POIs). Neste sentido, este trabalho: (1) faz um mapeamento sistemático das abordagens mais recentes aplicadas em LBSN; (2) apresenta uma solução para o trade-off clássico entre acúracia-diversidade de qualquer recomendador; e (3) disponibiliza tal solução por meio de um pacote reprodutível que também inclui todas as ferramentas do mapeamento sistemático e diversos modelos de recomendação de POIs. Nossa solução é chamada DisCovER e apresenta-se como um novo benchmark para o cenário uma vez que apresenta resultados superiores a todos os métodos estado-da-arte.
Downloads
Referências
Castillo, L., Armengol, E., Onaindı́a, E., Sebastiá, L., González, J., Rodrı́guez, A., Fernández, S., Arias, J. D., and Borrajo, D. (2008). Samap: An user-oriented adaptive system for planning tourist visits. Expert Systems with Applications, 34(2):1318–1332.
Dacrema, M. F., Boglio, S., Cremonesi, P., and Jannach, D. (2021). A troubling analysis of reproducibility and progress in recommender systems research. ACM Transactions on Information Systems (TOIS), 39(2):1–49.
Han, J. and Yamana, H. (2017). Geographical diversification in poi recommendation: toward improved coverage on interested areas. In Proceedings of the Eleventh ACM Conference on Recommender Systems, pages 224–228. ACM.
Liu, B., Fu, Y., Yao, Z., and Xiong, H. (2013). Learning geographical preferences for point-of-interest recommendation. In Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining, pages 1043–1051. ACM.
Lu, F. and Tintarev, N. (2018). A diversity adjusting strategy with personality for music recommendation. In IntRS@ RecSys, pages 7–14.
Puthiya Parambath, S. A., Usunier, N., and Grandvalet, Y. (2016). A coverage-based approach to recommendation diversity on similarity graph. In Proceedings of the 10th ACM Conference on Recommender Systems, pages 15–22. ACM.
Qian, T., Liu, B., Nguyen, Q. V. H., and Yin, H. (2019). Spatiotemporal representation learning for translation-based poi recommendation. ACM Transactions on Information Systems (TOIS), 37(2):1–24.
Vargas, S. and Castells, P. (2011). Rank and relevance in novelty and diversity metrics for recommender systems. In Proceedings of the fifth ACM conference on Recommender systems, pages 109–116. ACM.
Werneck, H., Santos, R., Silva, N., Mourão, F., Pereira, A. C. M., and Rocha, L. (2021a). Effective and diverse poi recommendations through complementary diversification models. Expert Systems with Applications, 123:154–162.
Werneck, H., Silva, N., Mourão, F., Pereira, A. C. M., and Rocha, L. (2020a). Combining complementary diversification models for personalized poi recommendations. In Proceedings of the Brazilian Symposium on Multimedia and the Web, page 209–212.
Werneck, H., Silva, N., Pereira, A., Carvalho, M., Bellogı́n, A., Martinez-Gil, J., Mourão, F., and Rocha, L. (2022). A reproducible poi recommendation framework: Works mapping and benchmark evaluation. Information Systems, page 102019.
Werneck, H., Silva, N., Viana, M., Pereira, A. C., Mourão, F., and Rocha, L. (2021b). Points of interest recommendations: Methods, evaluation, and future directions. Information Systems, 101:101789.
Werneck, H., Silva, N., Viana, M. C., Mourão, F., Pereira, A. C., and Rocha, L. (2020b). A survey on point-of-interest recommendation in location-based social networks. In Proceedings of the Brazilian Symposium on Multimedia and the Web, pages 185–192.
