基于图嵌入和 CaGBDT 的多模态出行推荐

孙全明,常磊,马铖,曲志坚

1. 山东理工大学计算机科学与技术学院

收稿日期:2021-01-18修回日期:2021-03-05出版日期:2021-10-28发布日期:2021-09-06
通讯作者:曲志坚E-mail:zhijianqu@ sdut. edu. cn.

基金资助:山东省自然科学基金项目(ZR2017LF004); 山东省高等学校优秀青年创新团队支持计划项目(2019KJN048)

Multi-Modal Transportation Recommendation Based on Graph Embedding and CaGBDT

SUN Quan-ming,CHANG Lei,MA Cheng,QU Zhi-jian

Received:2021-01-18Revised:2021-03-05Online:2021-10-28Published:2021-09-06

摘要/Abstract

摘要： 针对交通出行服务中推荐方式单一、容易忽略用户出行偏好等问题,借鉴多粒度级联森林结构,提出了一种级联梯度提升树模型(CaGBDT). 该模型利用级联结构增加模型的深度,进而实现了特征的深层次表示学习. 同时,为了解决样本类别不平衡问题,提出了一种基于鲍威尔算法的指标优化层,其通过为每个类别搜索一个阈值,对模型的预测结果进行权重修正,以实现最大化评价指标的目的. 此外,CaGBDT 模型可以根据用户的出行记录,构建用户出行全局关系图,利用图嵌入表示学习方法,自动提取用户出行的空间上下文关系,从而提高特征提取的效率.

中图分类号:
TP391

引用本文

孙全明 常磊 马铖 曲志坚. 基于图嵌入和 CaGBDT 的多模态出行推荐[J]. 北京邮电大学学报, 2021, 44(05): 81-87,106.
SUN Quan-ming, CHANG Lei, MA Cheng, QU Zhi-jian. Multi-Modal Transportation Recommendation Based on Graph Embedding and CaGBDT[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(05): 81-87,106.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4836