联合建模社交网络与移动轨迹的神经网络方法

基于位置的服务中移动轨迹的加速增长为理解用户的移动行为带来了宝贵的数据资源。除了记录轨迹数据外，这些基于位置服务的另一个主要特征是它们还允许用户连接他们喜欢的任何人。社交网络与基于位置服务的结合被称为基于位置的社交网络（LBSN）。如先前工作所示， socially-related persons 频繁访问的地点往往存在相关性，这表明 LBSN 中用户的社交连接与轨迹行为之间存在密切关联。为了更好地分析和挖掘 LBSN 数据，我们提出了一种能够联合建模社交网络和移动轨迹的新型神经网络模型。具体而言，我们的模型由两部分组成：社交网络的构建和移动轨迹的生成。我们首先采用网络嵌入方法进行社交网络的构建：可以为用户导出网络表示。我们模型的关键在于生成移动轨迹的组件。我们考虑了影响移动轨迹生成过程的四个因素，即用户访问偏好、朋友的影响、短期序列上下文和长期序列上下文。为了表征后两种上下文，我们采用 RNN 和 GRU 模型在不同层次（即短期或长期）捕捉移动轨迹中的序列相关性。最后，这两个组件通过共享用户网络表示绑定在一起。在两个重要应用上的实验结果证明了我们模型的有效性。特别是，当网络结构或轨迹数据稀疏时，相对于基线的改进更为显著。