融合空间聚类信息和上下文感知的下一位置点推荐

doi:10.13873/J.1000-9787(2023)07-0161-04

Chinese

您当前的位置：

首页 >

文章列表页 >

融合空间聚类信息和上下文感知的下一位置点推荐

更新时间：2025-09-11

- 融合空间聚类信息和上下文感知的下一位置点推荐
- Issue 7, Pages: 161-164(2023)
- 作者机构：
  
  1. 上海师范大学信息与机电工程学院
  2. 上海市城乡建设和交通发展研究院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)07-0161-04
  CLC： TP391.3
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (7): 161-164.
DOI：

[J]. 2023, (7): 161-164. DOI： 10.13873/J.1000-9787(2023)07-0161-04.

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。

Abstract

关键词

Keywords

references

A BiLSTM-CNN model for predicting users’ next locations based on geotagged social media[J]. Bao Yi;Huang Zhou;Li Linna;Wang Yaoli;Liu Yu.International Journal of Geographical Information Science,2021

HiSpatialCluster: A novel high‐performance software tool for clustering massive spatial points[J]. Yiran Chen;Zhou Huang;Tao Pei;Yu Liu.Transactions in GIS,2018

Big Data Driven Hidden Markov Model Based Individual Mobility Prediction at Points of Interest[J]. Lv Qiujian;Qiao Yuanyuan;Ansari Nirwan;Liu Jun;Yang Jie.IEEE Transactions on Vehicular Technology,2017

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于可穿戴设备的矢状下肢姿势连续预测

基于3D多尺度卷积的非接触心率估计模型

Related Author

陈友争

刘嵩

周丙涛

潘天宝

程宁

刘金江

Related Institution

湖北民族大学智能科学与工程学院

南阳师范学院生命科学与农业工程学院

南阳师范学院计算机科学与技术学院

⁰