help研究问题兴趣点推荐与展示控制
AR技术在动态车载场景中实现准确且用户接受的兴趣点（POI）展示的最佳方法是什么？所属方向: 推荐、个性化与探索
兴趣点推荐与展示控制
统计基于当前已索引 question 数据，来源缺失不影响问题展示。
20
问题/痛点
5
来源
2025
最近年份
help研究问题兴趣点推荐与展示控制
哪些POI可视化参数（例如高度、大小、信息密度等）能提供最佳的用户体验？help研究问题兴趣点推荐与展示控制
用户对于动态车载场景中的AR功能和UI个性化需求有哪些偏好？lightbulb现实痛点兴趣点推荐与展示控制
自动驾驶汽车乘客难以获得有用的实时环境信息。help研究问题兴趣点推荐与展示控制
如何通过引入POI之间的相对空间关系来加速下一个兴趣点（POI）推荐系统的训练？UbiComp '22Location Representations for Accelerating the Training of Next POI Recommender System
help研究问题兴趣点推荐与展示控制
在现有的POI推荐模型中，相对空间关系的引入能否提高推荐的准确性？UbiComp '22Location Representations for Accelerating the Training of Next POI Recommender System
help研究问题兴趣点推荐与展示控制
如何优化POI位置表征向量以适配不同的推荐模型？UbiComp '22Location Representations for Accelerating the Training of Next POI Recommender System
lightbulb现实痛点兴趣点推荐与展示控制
当前POI推荐系统训练慢，推荐质量不高。UbiComp '22Location Representations for Accelerating the Training of Next POI Recommender System
help研究问题兴趣点推荐与展示控制
如何基于用户的即时情境需求改进POI推荐系统？help研究问题兴趣点推荐与展示控制
透明化以及增强用户控制如何改善推荐系统的用户体验？help研究问题兴趣点推荐与展示控制
“情境分类”在POI推荐中能否提升用户决策效率？lightbulb现实痛点兴趣点推荐与展示控制
用户在不同情境中寻找兴趣点时，现有推荐系统不够精准且缺乏可控性。help研究问题兴趣点推荐与展示控制
如何基于用户历史数据和停车特征预测个性化停车偏好？UbiComp '21On the Predictability of Parking Preferences
help研究问题兴趣点推荐与展示控制
不同用户在停车路线选择上有哪些显著的个性化表现？UbiComp '21On the Predictability of Parking Preferences
help研究问题兴趣点推荐与展示控制
机器学习模型能否提升个性化停车偏好的预测准确性？UbiComp '21On the Predictability of Parking Preferences
lightbulb现实痛点兴趣点推荐与展示控制
司机花费大量时间寻找停车位，增加交通拥堵和碳排放。UbiComp '21On the Predictability of Parking Preferences
help研究问题兴趣点推荐与展示控制
如何在推荐效率和用户隐私保护之间取得平衡，提升POI推荐系统的性能？UbiComp '21PREFER: Point-of-interest REcommendation with efficiency and privacy-preservation via Federated Edge leaRning
help研究问题兴趣点推荐与展示控制
相比传统的集中式学习框架，边缘加速的联邦学习如何改善POI系统的实时性和能耗？UbiComp '21PREFER: Point-of-interest REcommendation with efficiency and privacy-preservation via Federated Edge leaRning
help研究问题兴趣点推荐与展示控制
仅共享非敏感参数的策略会对POI推荐质量造成怎样的影响？UbiComp '21PREFER: Point-of-interest REcommendation with efficiency and privacy-preservation via Federated Edge leaRning
lightbulb现实痛点兴趣点推荐与展示控制
LBSN的POI推荐系统难以同时满足用户隐私和实时性需求。UbiComp '21PREFER: Point-of-interest REcommendation with efficiency and privacy-preservation via Federated Edge leaRning