[논문리뷰] STP-UDGAT: Spatial-Temporal-Preference User Dimensional Graph Attention Network for Next POI Recommendation (2020)

세 줄 요약

• User의 PoI historical data로부터 spatial, temporal, preference 세 측면의 새로운 PoI exploration을 수행함
• Exploit user historical data(local view) + Explore new PoIs(global view)
• Masked self-attention을 통한 random walk으로 higher-order PoI exploration을 가능하게 함(option)

Problem

• 기존에는(RNN) PoI-PoI relationship을 user의 visit sequential data를 기반으로 학습함

Solution

• PoI-PoI relationship을 학습하는 데에 다른 요소(STP)를 반영하겠다.

Approach

DGAT

~~알고리즘 어쩌구

• GAT의 변형 버전인 것 같음, DGAT layer를 모든 embedding에 사용함

PP-DGAT(Personalized Preference-DGAT)

• user의 historical PoI visits를 graph로 construction
• 다만 모든 PoI들이 완전 연결됨
• 이 파트는 exploitation of users' historical PoIs에 해당함(local view)

STP-DGAT

Spatial Graph

• PoI로부터 가까운 top k개의 PoI들에 adjacency 부여
• edge weight은 euclidean distance의 역수

Temporal Graph

• 연속적으로 방문된 PoI들에 adjacency 부여
• 모든 user들의 consecutive visits pair들의 time interval을 통합해서 평균함
• averaged time interval의 역수가 edge weight

Preference Graph

• 연속적으로 방문된 PoI들에 adjacency 부여
• edge weight는 PoI들 사이의 frequency (방문 횟수)

Exploring New STP Neighbours

• 위에서 construction한 STP graph에서 relevant new PoIs를 찾음
• user의 PP graph에 있는 node를 seed set으로 함
• Random Walk Masked Self-Attention을 이용하여 STP graph에서도 higher-order exploration이 가능하게 함

STP-UDGAT(User DGAT)

• 비슷한 다른 user들을 참고하기 위함
• Jaccard similarity coefficient가 0.2이상이면 두 유저가 adjacency하다고 정의

Results

• Baseline에 GNN 계열이 없어서 아쉬움