Resumen

Como una de las técnicas importantes para explorar lugares desconocidos para los usuarios, los métodos propuestos para la recomendación de puntos de interés (POI) han sido ampliamente estudiados en los últimos años. En comparación con los problemas de recomendación tradicionales, las recomendaciones de POI enfrentan más desafíos, como el problema de inicio en frío y el filtrado colaborativo de una sola clase. Muchos estudios existentes se han centrado en cómo superar estos desafíos mediante la explotación de diferentes tipos de contextos (por ejemplo, información social y geográfica). Sin embargo, la mayoría de estos métodos solo modelan estos contextos como términos de regularización, y la información profunda oculta en la estructura de la red no ha sido completamente explotada. Por otro lado, los métodos de incrustación basados en redes neuronales han demostrado su poder en muchas tareas de recomendación con su capacidad para extraer representaciones de alto nivel a partir de datos sin procesar. De acuerdo con las observaciones anteriores, para utilizar bien la información de la red, se explota primero un método de

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Métodos de recomendación; Desafíos; Contextos; Red neuronal; Incrustación; Filtrado colaborativo
• Keywords:Recommendation methods; Challenges; Contexts; Neural network; Embedding; Collaborative filtering