基于深度表示模型的移动模式挖掘

来源：计算机应用杂志2016年第1期北京时间：

作者：陈勐, 禹晓辉, 刘洋

单位：山东大学 计算机科学与技术学院, 济南 250101

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

基金资助：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。