ADS-POI：次のポイント・オブ・インタレスト推薦のためのエージェント的時空間状態分解

arXiv cs.AI / 2026/4/25

💬 オピニオンIdeas & Deep AnalysisTools & Practical UsageModels & Research

共有:

要点

この論文は、次のポイント・オブ・インタレスト（POI）推薦を、ユーザーの移動履歴を時空間シーケンスとしてモデリングすることで扱い、既存手法が単一の潜在状態に圧縮するために異質な行動が絡み合いやすい点を指摘しています。
提案手法ADS-POIでは、ユーザー表現を複数の並列に更新される潜在サブ状態へ分解し、それぞれに固有の時空間遷移ダイナミクスを持たせます。
ADS-POIは、状況（コンテキスト）に条件付けした選択的アグリゲーション機構により、現在の時空間コンテキストに合わせた意思決定状態を生成します。
実験では、FoursquareとGowallaの実データベンチマーク3つに対して、フルランキング評価においてADS-POIが強力な最先端ベースラインを一貫して上回り、次POI推薦の有効性と頑健性を高めることを示しています。
著者らは、提示されたGitHubリポジトリでADS-POIの実装コードを公開しています。

Abstract

次の注目点（POI）推薦では、ユーザーの移動を時空間シーケンスとしてモデル化する必要がある。異なる行動要因は、異なる時間的および空間的スケールで変化し得る。既存の多くの手法は、ユーザーの履歴を単一の潜在表現に圧縮するため、日常的な移動パターン、短期的な意図、時間的な規則性といった異種の信号が絡み合いやすい。この絡み合いは状態の進化の柔軟性を制限し、さまざまな意思決定状況に適応するモデルの能力を低下させる。そこで本研究では、次のPOI推薦のための時空間状態分解フレームワークであるADS-POIを提案する。ADS-POIは、複数の並行して進化する潜在サブ状態によってユーザーを表現し、それぞれが独自の時空間遷移ダイナミクスによって支配される。これらのサブ状態は、文脈に条件付けされた機構によって選択的に集約され、予測に用いる意思決定状態が形成される。この設計により、異なる行動構成要素が異なる変化速度で進化しつつ、現在の時空間文脈のもとで協調して保たれる。FoursquareおよびGowallaから得られた現実世界の3つのベンチマークデータセットに対する大規模な実験の結果、ADS-POIは、全ランキング評価プロトコルのもとで強力な最先端ベースラインを一貫して上回ることが示された。結果は、ユーザーの行動を複数の時空間を意識した状態に分解することで、より効果的で頑健な次のPOI推薦が可能になることを示している。コードは https://github.com/YuZhenyuLindy/ADS-POI.git で公開している。