一种基于先验概率的轨迹语义位置标注无监督方法
机器学习
2022-04-21 v1 信息检索
摘要
语义位置标注能够提供个体语义，对轨迹数据挖掘领域有很大帮助。现有多数方法依赖标注或外部数据，且更换区域后需重新训练，从而阻碍了其大规模应用。为此，本文提出一种称为UPAPP的无监督方法，利用时空信息对轨迹进行语义位置标注。具体地，采用贝叶斯准则将候选位置的时空概率分解为空间概率、停留时长概率与到访时间概率。随后利用ROI和POI数据中的空间信息计算空间概率。对于时间概率，采用词频逆文档频率加权算法统计轨迹中到访不同位置类型的潜在次数，并生成到访时间与停留时长的先验概率。进而将候选位置的时空概率与位置类别的重要性相结合，对到访位置进行标注。使用709名志愿者在北京采集的轨迹数据集进行验证，结果表明本方法的总体准确率和平均准确率分别为0.712和0.720，说明无需任何外部数据即可准确标注到访位置。
引用
@article{arxiv.2204.09054,
title = {An unsupervised approach for semantic place annotation of trajectories based on the prior probability},
author = {Junyi Cheng and Xianfeng Zhang and Peng Luo and Jie Huang and Jianfeng Huang},
journal= {arXiv preprint arXiv:2204.09054},
year = {2022}
}
备注
36 pages, 7 figures, 4 tables