Photo2Trip: Exploiting Visual Contents in Geo-Tagged Photos for Personalized Tour Recommendation
Photo2Trip: Exploiting Visual Contents in Geo-Tagged Photos for Personalized Tour Recommendation
复制标题
Photo2Trip：利用地理标记照片中的视觉内容进行个性化旅游推荐
DOI：
10.1109/tkde.2019.2943854
复制
发表时间：
2017-10
期刊：
影响因子：
--
通讯作者：
Xiaofang Zhou
中科院分区：
文献类型：
--
作者：
Pengpeng Zhao;Chengfeng Xu;Yanchi Liu;Victor S. Sheng;Kai Zheng;Hui Xiong;Xiaofang Zhou
最近积累的大量地理标记的照片提供了一个很好的机会，了解人类的行为，并可以用于个性化旅游推荐。然而，没有现有的工作已经考虑了这些照片中的视觉内容信息的旅游推荐。我们相信照片的视觉特征提供了测量用户/兴趣点（POI）相似性的有价值的信息，这是具有挑战性的，由于数据稀疏。为此，在本文中，我们提出了一个视觉特征增强的旅游推荐系统，名为“Photo 2 Trip”，利用视觉内容和协同过滤模型进行推荐。具体来说，我们提出了一个视觉增强的概率矩阵分解模型（VPMF），它集成了视觉功能的协同过滤模型，学习用户的兴趣，利用历史旅行记录。然后，我们将VPMF扩展到端到端的训练框架，将用户（POI）的潜在因素纳入到学习过程中的视觉内容的照片，这概括了所提出的VPMF框架在旅游推荐的适用性。大量的实证研究表明，我们提出的视觉增强的个性化旅游推荐方法优于其他基准方法的推荐精度。结果还表明，视觉特征是有效的，在缓解数据稀疏和冷启动问题的个性化旅游推荐。
Recently accumulated massive amounts of geo-tagged photos provide an excellent opportunity to understand human behaviors and can be used for personalized tour recommendation. However, no existing work has considered the visual content information in these photos for tour recommendation. We believe the visual features of photos provide valuable information on measuring user / Point-of-Interest (POI) similarities, which is challenging due to data sparsity. To this end, in this paper, we propose a visual feature enhanced tour recommender system, named ‘Photo2Trip’, to utilize the visual contents and collaborative filtering models for recommendation. Specifically, we propose a Visual-enhanced Probabilistic Matrix Factorization model (VPMF), which integrates visual features into the collaborative filtering model, to learn user interests by leveraging the historical travel records. We then extend VPMF to End-to-End training framework to incorporate users (POIs) latent factors into the learning process of the visual content of photos, which generalizes the applicability of the proposed VPMF framework in tour recommendation. Extensive empirical studies verify that our proposed visual-enhanced personalized tour recommendation method outperforms other benchmark methods in terms of recommendation accuracy. The results also show that visual features are effective in alleviating the data sparsity and cold start problems on personalized tour recommendation.
登录
查看更多内容
DOI：
10.1007/s11280-018-0579-9
发表时间：
2018-05
期刊：
World Wide Web
影响因子：
--
作者：
Zhiyuan Zhang;Yun Liu;Zhenjiang Zhang;Bo Shen
通讯作者：
Zhiyuan Zhang;Yun Liu;Zhenjiang Zhang;Bo Shen
DOI：
--
发表时间：
2002
期刊：
2020 IEEE International Conference on Applied Superconductivity and Electromagnetic Devices (ASEMD)
影响因子：
--
作者：
Gabriella Csurka;C. Dance;Lixin Fan;J. Willamowski;Cédric Bray
通讯作者：
Gabriella Csurka;C. Dance;Lixin Fan;J. Willamowski;Cédric Bray
DOI：
10.1145/1869790.1869861
发表时间：
2010-11
期刊：
--
影响因子：
--
作者：
Mao Ye;Peifeng Yin;Wang-Chien Lee
通讯作者：
Mao Ye;Peifeng Yin;Wang-Chien Lee
DOI：
10.1137/1.9781611972832.44
发表时间：
2013
影响因子：
11.1
作者：
B. Liu;Hui Xiong
通讯作者：
B. Liu;Hui Xiong
DOI：
10.1145/2396761.2398531
发表时间：
2012-10
期刊：
Proceedings of the 21st ACM international conference on Information and knowledge management
影响因子：
--
作者：
Le Wu;Enhong Chen;Qi Liu;Linli Xu;Tengfei Bao;Lei Zhang
通讯作者：
Le Wu;Enhong Chen;Qi Liu;Linli Xu;Tengfei Bao;Lei Zhang