基于语义时空轨迹的位置预测
张书钦1
王金洋1
白光耀1
张敏智1
刘培培2
1.中原工学院 计算机学院,河南 郑州 4500072.中国科学院 信息工程研究所,北京 100000
摘要：时空数据稀疏性导致位置预测准确率较低,利用轨迹点的多源语义信息扩充轨迹序列的维度,缓解数据稀疏性带来的负面影响,已成为位置预测研究的重要突破口.提出了基于语义时空轨迹的位置预测模型SemanPredict.首先,将传统轨迹序列转换为包括停留点、停留时间以及活动类型的语义轨迹;其次,利用多模态联合嵌入方法,建立轨迹点之间的隐含关系;最后,采用长短期记忆(Long Short-Term Memory,LSTM)神经网络建模语义轨迹序列进行位置预测.在WiFi时空数据集和Twitter签到数据集上进行实验验证,结果表明,相较于传统模型,SemanPredict模型能够更好地捕捉用户移动规律,预测准确率更高.
关键词：位置预测语义轨迹LSTM多模态嵌入
分类号：TP18(自动化基础理论)
资助基金：河南省高等学校重点科研项目(18B520044)河南省高等学校重点科研项目(19A520048)河南省高等学校重点科研项目(21A520053)河南省科技攻关计划(182102210526)河南省教育厅青年骨干教师资助计划(2017GGJS118)
论文发表日期：2021-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 59-67,84 )
英文信息