GETNext

A recomendação do próximo POI tem a intenção de prever os movimentos futuros imediatos dos usuários, dados seu estado atual e informações históricas, gerando grandes valores tanto para usuários quanto para provedores de serviços. No entanto, esse problema é perceptivelmente complexo, pois várias tendências de dados precisam ser consideradas em conjunto. Isso inclui as localizações espaciais, contextos temporais, preferências do usuário, etc. A maioria dos estudos existentes vê a recomendação do próximo POI como um problema de previsão de sequência, enquanto omite os sinais colaborativos de outros usuários. Em vez disso, propomos um mapa de fluxo de trajetória global independente de usuários e um novo modelo de Transformer Aprimorado por Grafos (GETNext) para explorar melhor os extensos sinais colaborativos, proporcionando uma previsão de próximo POI mais precisa e aliviando, ao mesmo tempo, o problema do início frio. O GETNext incorpora os padrões globais de transição, a preferência geral do usuário, o contexto espaço-temporal e as incorporações de categorias conscientes do tempo em um modelo transformer para prever os movimentos futuros do usuário. Com esse design, nosso modelo supera as metodologias de ponta com uma grande margem e também ilumina os desafios do início frio dentro dos problemas de recomendação envolvidos no espaço-tempo.