基于ST-LSTM网络的位置预测模型
来源：计算机工程杂志2019年第9期北京时间：
作者：许芳芳, 杨俊杰, 刘宏志
单位：1. 北京大学 软件与微电子学院, 北京 102600;2. 国网中兴有限公司, 北京 100761
摘要：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。
关键词：位置预测,长短期记忆模型,时空信息,个性化,行为轨迹
基金资助：国家重点研发计划（2017YFB1002000）。
