A Serendipity-Oriented Personalized Trip Recommendation Model
Notice bibliographique
Résumé
Personalized trip recommendation attempts to recommend a sequence of Points of Interest (POIs) to a user. Compared with a single POI recommendation, the POIs sequence recommendation is challenging. There are only a couple of studies focusing on POIs sequence recommendations. It is a challenge to generate a reliable sequence of POIs. The two consecutive POIs should not be similar or from the same category. In developing the sequence of POIs, it is necessary to consider the categories of consecutive POIs. The user with no recorded history is also a challenge to address in trip recommendations. Another problem is that recommending the exact and accurate location makes the users bored. Looking at the same kind of POIs, again and again, is sometimes irritating and tedious. To address these issues in recommendation lies in searching for the sequential, relevant, novel, and unexpected (with high satisfaction) Points of Interest (POIs) to plan a personalized trip. To generate sequential POIs, we will consider POI similarity and category differences among consecutive POIs. We will use serendipity in our trip recommendation. To deal with the challenges of discovering and evaluating user satisfaction, we proposed a Serendipity-Oriented Personalized Trip Recommendation (SOTR). A compelling recommendation algorithm should not just prescribe what we are probably going to appreciate but additionally recommend random yet objective elements to assist with keeping an open window to different worlds and discoveries. We evaluated our algorithm using information acquired from a real-life dataset and user travel histories extracted from a Foursquare dataset. It has been observationally confirmed that serendipity impacts and increases user satisfaction and social goals. Based on that, SOTR recommends a trip with high user satisfaction to maximize user experience. We show that our algorithm outperforms various recommendation methods by satisfying user interests in the trip.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».