基于社交属性的时空轨迹语义分析

发布时间：2018-03-19 18:52

本文选题：社交网络　切入点：时空轨迹　出处：《中国科学:信息科学》2017年08期 　论文类型：期刊论文

【摘要】：时空数据具有多维关联特性,而深度学习恰恰因其能够对复杂高维数据进行高层抽象处理而备受关注.本文依据轨迹数据特征给出其形式化定义,并据此构建基于Word2vec的时空语义轨迹模型.通过模型网络训练位置特征向量,对不同时间粒度下的用户轨迹进行语义探究.实验中采取Top-K近邻预测和聚类分析等手段验证了轨迹模型在无监督式学习下输出的位置向量具备空间语义且定型良好.其结果也进一步检验了基于词向量的语言模型迁移至轨迹挖掘的研究具备可行性.
[Abstract]:Spatiotemporal data association characteristics, and just because of its deep learning of complex high dimensional data abstraction processing and attention. Based on the trajectory data feature gives its formal definition, and then constructing a spatio-temporal semantic trajectory model based on Word2vec model. Through the network training location feature vector, the user of different time granularity trajectory the semantic inquiry. The experiment adopts Top-K neighbor prediction and clustering analysis method to verify the position vector output trajectory model in unsupervised learning of semantic space with stereotypes. The results are good and further examine the language model to transfer trajectory mining word vector based on the feasibility.

【作者单位】：山东大学计算机科学与技术学院;北京大学前沿交叉学科研究院;
【基金】：国家重点基础研究发展计划(973)(批准号:2015CB352502) 国家自然科学基金(批准号:61272092,61572289) 山东省自然科学基金(批准号:ZR2015FM002,ZR2016FB14)资助项目
【分类号】：TP181;TP393.09

【相似文献】