基于图卷积神经网络的位置语义推断
挖掘位置社交网络(LBSNs)中的签到数据背后所蕴藏的信息是城市计算、智慧城市的重要研究方向,其中一个关键的任务是推断位置语义.位置语义因其在位置检索、位置推荐、数据预处理等领域的广泛应用而受到越来越多的关注.现有的推断方法倾向于手工提取位置的时空特征或用户签到活动的时空模式训练分类器进而推断位置语义.然而,提取有价值的时空模式或时空特征是一项困难的任务.该文提出一种新的基于图卷积神经网络的位置语义推理模型(SI-GCN).SI-GCN利用node2vec和变分自编码器来学习位置的空间和时间特征.构建用户-位置访问二部图,利用图卷积神经网络来捕获用户签到活动中的高阶信息.此外,SI-GCN引入自注意力机制区分用户-位置访问二部图中不同邻居节点的贡献.SI-GCN在两个真实签到数据集上的实验表明,SI-GCN比现有3种算法具有更好的推断性能.
数据挖掘、图卷积神经网络、位置社交网络、自注意力机制、语义推断
49
TP182(自动化基础理论)
国家重点研发计划;四川省科技厅项目
2020-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
739-744