10.19678/j.issn.1000-3428.0052883
基于ST-LSTM网络的位置预测模型
针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提出一种基于时空特性的长短期记忆模型(ST-LSTM).基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性.在ST-LSTM网络中引入个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出个性化,更好地学习每类用户的行为轨迹特征,同时在保证ST-LSTM网络特性的前提下给出2种ST-LSTM网络的简化变体模型.在公开数据集上的测试结果表明,与主流位置预测方法相比,该预测模型精确率、召回率、F1值都有明显提升.
位置预测、长短期记忆模型、时空信息、个性化、行为轨迹
45
TP393(计算技术、计算机技术)
国家重点研发计划2017YFB1002000
2019-10-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7