基于通话详细记录预测用户下一位置的回归框架
机器学习
2019-12-24 v1 机器学习
摘要
随着手机使用的增长和智能移动设备多样性的增加，在使用这些设备的过程中持续产生海量数据。其中，通话详细记录（CDR）尤为引人注目。由于 CDR 同时包含时间和空间标签，CDR 的移动性分析是研究者们青睐的课题之一。用户下一位置预测是人类移动性分析领域的主要问题之一。本文中，我们提出一个预测用户下一位置的数据处理框架。我们提出特定领域的数据处理策略，并设计了一个基于循环神经元并执行回归任务的深度神经网络模型。使用该预测框架，与表现最差和最佳的传统模型相比，预测误差从 74% 降至 55%。本文的方法、策略、框架与结果可应用于城市规划与数字营销等诸多领域。
引用
@article{arxiv.1912.10438,
title = {A Regression Framework for Predicting User's Next Location using Call Detail Records},
author = {Mohammad Saleh Mahdizadeh and Behnam Bahrak},
journal= {arXiv preprint arXiv:1912.10438},
year = {2019}
}