基于深度表示模型的移动模式挖掘

摘要：

针对时空轨迹中位置顺序和时间对于理解用户移动模式的重要性,提出了一种新的用户轨迹深度表示模型.该模型考虑到时空轨迹的特点:1)不同的位置顺序表示不同的移动模式;2)轨迹有周期性并且在不同的时间段有变化.首先,将两个连续的位置点组合成位置序列;然后,将位置序列和对应的时间块组合成时间位置序列,作为描述轨迹特征的基本单位;最后,利用深度表示模型为每个序列训练特征向量.为了验证深度表示模型的有效性,设计实验将时间位置序列向量应用到用户移动模式发现中,并利用Gowalla签到数据集进行了实验评测.实验结果显示提出的模型能够发现“上班”“购物”等明确的模式,而Word2Vec很难发现有意义的移动模式.

关键词：时空轨迹挖掘、用户移动模式、深度表示模型、时间位置序列向量、哈夫曼编码

所属期刊栏目：36

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272092;山东省自然科学基金资助项目ZR2012FZ004;山东省科技发展计划基金资助项目2014GGE27178;国家973计划项目2015CB352500;泰山学者计划基金资助项目.This work is partially supported by the National Natural Science Foundation of China61272092;the Natural Science Foundation of Shandong ProvinceZR2012FZ004;the Science and Technology Development Program of Shandong Province2014GGE27178;the National Basic Research Program 973 Program of China2015CB352500;the Research Fund for the Taishan Scholar Project of Shandong Province

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38