사용자 생성 GPS 트레이스로부터 여행 추천 학습

GPS 기능이 탑재된 기기의 발전은 사람들이 자신의 위치 기록을 GPS 트레이스를 통해 기록할 수 있게 하며, 이는 여행과 관련된 인간의 행동과 선호를 암시합니다. 이 기사에서는 여러 사용자의 GPS 트레이스를 마이닝하여 두 가지 유형의 여행 추천을 수행합니다. 첫 번째는 특정 지리적 지역에서 사용자에게 가장 흥미로운 위치와 여행 순서를 추천하는 일반적인 것입니다. 두 번째는 개인의 여행 선호에 맞는 위치를 제공하는 개인화된 추천입니다. 첫 번째 추천을 달성하기 위해 우리는 여러 사용자의 위치 기록을 트리 기반 계층 그래프(TBHG)로 모델링합니다. TBHG를 기반으로 우리는 위치의 관심 수준과 사용자의 여행 경험(지식)을 추정하기 위한 HITS(하이퍼텍스트 유도 주제 검색) 기반 모델을 제안합니다. 개인화된 추천에서는 먼저 위치 간의 상관관계를 이해한 후, 이를 협업 필터링(CF) 기반 모델에 통합하여 사용자의 위치 기록과 다른 사용자의 위치 기록을 기반으로 방문하지 않은 위치에 대한 사용자의 관심을 예측합니다. 우리는 1년 동안 107명이 수집한 실제 GPS 트레이스 데이터 세트를 기반으로 시스템을 평가했습니다. 그 결과, 우리의 HITS 기반 추론 모델은 count 방식 또는 frequency 방식과 같은 기본 접근 방식보다 우수한 성능을 보였습니다. 한편, 우리는 count 방식 이상의 여행 순서를 추천하는 데 더 나은 성능을 달성했습니다. 개인화된 추천과 관련하여, 우리의 접근 방식은 약간의 추가 계산이 필요하지만 가중 Slope One 알고리즘보다 더 효과적이며, 유사한 효과성을 가지면서도 Pearson 상관 기반 CF 모델보다 더 효율적입니다.