基于用户行为和上下文语义的分层ST-LSTM位置预测OA
Hierarchical ST-LSTM Model of Location Prediction Based on User Behavior and Contextual Semantics
当前的位置预测方法大多没有考虑到用户行为信息,由于用户的访问时间、行为模式等能够在很大程度上反映所处位置,因此在对位置潜在向量进行预训练时有必要使用该信息.进行位置预测时,采样粒度较细的序列长度较长,难以捕获长距离依赖.针对这 2 个问题,提出了基于用户行为和上下文语义的分层时空长短期记忆网络(Hierarchical Spatiotemporal Long Short-Term Memory Based on User Behavior and…查看全部>>
Most current location prediction methods do not take user behaviour information into account.Since the user's access time and behavior pattern can reflect the function of the location,it is necessary to use the information in the pre-training of the location potential vector.In addition,when predicting the next location,the length of fine-grained sequence is too long to capture the long-distance dependence.To solve these two problems,the model Hierarchical S…查看全部>>
彭薇;江昊;刘卉芳;彭诗雅;廖娟
武汉大学电子信息学院,湖北武汉 430072武汉大学电子信息学院,湖北武汉 430072中国联合网络通信有限公司广东省分公司,广东广州 510627中国联合网络通信有限公司广东省分公司,广东广州 510627中国联合网络通信有限公司广东省分公司,广东广州 510627
计算机与自动化
位置预测位置嵌入行为模式长距离依赖时空轨迹
location predictionlocation embeddingbehavior patternlong distance dependencespatiotemporal trajectory
《无线电工程》 2024 (1)
32-40,9
国家自然科学基金企业创新发展联合基金重点支持项目(U19B2004)Key Projects of National Natural Science Foundation Supported by the Joint Fund for Enterprise Innovation and Development(U19B2004)
评论