Multi-Aspect-Aware Sitzungsbasierte Empfehlung für Intelligente Transportdiensten

Im intelligenten Transportsystem repräsentieren die Sitzungsdaten normalerweise die Bedürfnisse der Nutzer. Traditionelle Ansätze konzentrieren sich jedoch nur auf die Sequenzinformation oder das letzte vom Nutzer angeklickte Element, was die Benutzerpräferenzen nicht vollständig erfassen kann. Um dieses Problem anzugehen, schlägt dieses Papier ein Multi-aspekt Aware Session-based Recommendation (MASR) Modell für intelligente Transportdienste vor, das das personalisierte Verhalten des Nutzers aus mehreren Aspekten umfassend berücksichtigt. Darüber hinaus wurde eine prägnante und effiziente transformerartige Selbstaufmerksamkeit entwickelt, um die Sequenzinformationen der aktuellen Sitzung zu analysieren und die Absicht des Nutzers genau zu erfassen. Schließlich zeigen die experimentellen Ergebnisse, dass MASR die Nutzerzufriedenheit mit genaueren und schnelleren Empfehlungen erhöhen und die Anzahl der Nutzeraktionen reduzieren kann, um das Sicherheitsrisiko während des Transportdienstes zu verringern.