一种通过多维高阶移动特征聚类挖掘生活方式画像的框架
机器学习
2023-12-04 v1
摘要
人类移动性表现出高度的规律性，这有助于发现生活方式画像。现有研究尚未充分利用从人类移动记录中提取的高阶特征中所嵌入的规律来进行此类画像。本研究提出一种渐进式特征提取策略，从用户移动轨迹记录的空间、时间和语义维度挖掘高阶移动特征。分别针对三个维度提取了诸如出行基序、由移动时间序列离散傅里叶变换（DFT）分解的节律，以及通过word2vec的向量化地点语义等具体特征，并进一步聚类以揭示用户的生活方式特征。使用中国深圳超过50万用户轨迹数据集的实验产生了七个具有不同生活方式画像且可由常识很好解释的用户簇。结果表明通过跨阶轨迹特征工程与聚类实现细粒度用户画像的可能性。
引用
@article{arxiv.2312.00411,
title = {A framework for mining lifestyle profiles through multi-dimensional and high-order mobility feature clustering},
author = {Yeshuo Shu and Gangcheng Zhang and Keyi Liu and Jintong Tang and Liyan Xu},
journal= {arXiv preprint arXiv:2312.00411},
year = {2023}
}