基于图嵌入和CaGBDT的多模态出行推荐

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.

关键词：交通出行推荐;图嵌入;特征工程;级联森林;梯度提升决策树

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

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

在线出版日期：2021-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-87,106