文档名：融合空间聚类信息和上下文感知的下一位置点推荐
摘要：针对现有的人类轨迹预测算法难以充分挖掘轨迹移动规律,以及未能充分利用城市空间区域信息等问题,提出一种新颖的融合城市空间聚类信息和上下文感知的下一位置推荐算法.首先,基于城市地理信息利用HiSpatialCluster空间聚类算法将整个城市分为多个地理区域,同时提出了一种新的轨迹嵌入方法,以获得轨迹点的特征表示;然后,通过自注意力网络(SAN)分别学习用户的长期偏好和短期偏好特征,并通过注意力网络捕获长短期偏好的关系,获得代表用户上下文信息的特征向量;最后,通过引入多任务组件增强框架的通用性.在真实数据集NYC和TKY上设置对比实验,通过与同类先进算法的对比,验证算法的有效性.实验结果表明:所提算法在召回率(Recall@K)和归一化折损累计增益(NDCG@K)上有显著提高.
作者：李慧峰 王斌 翟希 朱苏磊 张倩 Author：LIHuifeng WANGBin ZHAIXi ZHUSulei ZHANGQian
作者单位：上海师范大学信息与机电工程学院,上海201400上海市城乡建设和交通发展研究院,上海200032
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(7)
分类号：TP274
关键词：空间聚类 自注意力网络 多任务学习 位置推荐
Keywords：spatialclustering self-attentionnetwork(SAN) multi-tasklearning locationrecommendation
机标分类号：TP391.41H146TN95
在线出版日期：2023年7月28日
基金项目：融合空间聚类信息和上下文感知的下一位置点推荐[
期刊论文] 传感器与微系统--2023, 42(7)李慧峰 王斌 翟希 朱苏磊 张倩针对现有的人类轨迹预测算法难以充分挖掘轨迹移动规律,以及未能充分利用城市空间区域信息等问题,提出一种新颖的融合城市空间聚类信息和上下文感知的下一位置推荐算法.首先,基于城市地理信息利用HiSpatialCluster空间聚...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
融合空间聚类信息和上下文感知的下一位置点推荐 Next location recommendation fuses spatial clustering information and context awareness
融合空间聚类信息和上下文感知的下一位置点推荐.pdf
- 文件大小:
- 798.33 KB
- 下载次数:
- 60
-
高速下载
|
