轨迹语义表征与地点推荐研究

发布时间：2021-06-10 10:30

　　近年来,随着移动设备飞快普及与硬件存储、计算能力的飞快提升,每天都有海量的轨迹数和带地点标签的签到数据以惊人的速度产生。这些数据蕴含着着人们的移动规律以及出行模式,因而高效地对轨迹数据进行存储、压缩、表征以及知识挖掘将对现有经济、环境、交通等领域产生深远影响。在商业方面,探索如何从海量的用户轨迹或签到数据中挖掘出用户喜好信息,进而向用户推荐潜在的感兴趣地点,将使人们的生活得到极大的提升,也能为不同规模的商业经济带来巨大的效益。针对轨迹和地点数据的挖掘,研究者们根据自己的需求提出了各种轨迹压缩、表征以及地点推荐的算法。然而目前的算法在特定方面仍然存在缺陷,本文就此提出了解决方案。总观全文,本文的工作重心和创新点体现在以下三方面:第一、目前的轨迹压缩方法多以线条约简的思想为主,没有考虑轨迹的全局语义信息。部分考虑全局语义信息的工作不能在地图上语义稀疏和缺乏的地方工作。本文提出了一种高效且鲁班的全局轨迹压缩表征方式,将整个轨迹数据集表征为一个多粒度的地点网络。该网络可根据应用的需求将已知的额外地点信息包含进来以增强轨迹的表征压缩效果。这样一方面使得轨迹稀疏的区域的轨迹表征得到矫正,另一方面也... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

大西洋飓风1851年-2018年轨迹可视化图

基于DTW的轨迹相似度示意图

基于CBOW的Hierarchical Softmax的模型


本文编号：3222209