CD-CNN：一种用于城市居民识别的部分监督跨域深度学习模型
计算机与社会
2018-10-12 v2
摘要
受近几十年城市化浪潮的推动，关于流动人口行为分析的研究课题引起了学术界和政府的极大关注。然而，受限于数据收集成本与建模方法的缺乏，现有研究大多仅使用稀疏样本的问卷调查和非个体层面的统计数据，对流动人口行为进行粗粒度研究。本文提出一种名为 CD-CNN 的部分监督跨域深度学习模型，利用手机信令数据作为行为特征、问卷调查数据作为不完整标签，进行外来人口/本地人口识别。具体而言，CD-CNN 的特点是将移动数据分解为位置域和通信域，并采用联合学习框架，结合两个卷积神经网络与特征平衡方案。此外，CD-CNN 采用三步训练算法，其中协同训练步骤对部分监督跨域学习具有重要价值。在无锡市上的对比实验证明了 CD-CNN 的高预测能力。两个有趣的应用进一步凸显了 CD-CNN 进行深度流动人口行为分析的能力。
引用
@article{arxiv.1804.09901,
title = {CD-CNN: A Partially Supervised Cross-Domain Deep Learning Model for Urban Resident Recognition},
author = {Jingyuan Wang and Xu He and Ze Wang and Junjie Wu and Nicholas Jing Yuan and Xing Xie and Zhang Xiong},
journal= {arXiv preprint arXiv:1804.09901},
year = {2018}
}
备注
8 pages, 5 figures, conference