基于用户行为序列特征的位置预测模型
针对现有位置预测研究中忽略用户行为序列特性、预测精度提升受限的问题,提出了基于用户行为序列特征的位置预测模型.首先以人工提取的方式构建用户行为的序列特征,融合到位置预测模型中,构造了基于行为序列特征的循环神经网络模型(BCP-RNN);借助RNN模型循环结构的特点,自动学习行为序列特征,并引入位置预测模型,构造了3层对称循环神经网络模型(TS-RNN).实验结果证明,引入行为序列特征的BCP-RNN和TS-RNN模型,其预测性能均高于现有的位置预测模型,验证了行为序列特征对挖掘用户移动模式的重要性.相较于人工提取行为序列特征的BCP-RNN模型,TS-RNN不仅节省了人工特征提取的成本,还弥补了人工分析的片面性造成的偏差,具有更高的预测性能.
位置预测、位置语义、行为序列特征
42
TP391(计算技术、计算机技术)
国家重点研发计划"科技冬奥冶重点专项项目2019YFF0302601
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
149-154