CNNTOP：一种基于CNN的轨迹所有者预测方法
机器学习
2020-01-07 v1 机器学习
摘要
轨迹所有者预测是个性化推荐、城市规划等诸多应用的基础。尽管已有大量工作致力于该问题，所取得的成果仍不够理想。由于轨迹固有的序列属性，现有方法主要采用RNN对轨迹进行语义建模。然而，这些方法在兴趣点（POI）表示学习与轨迹特征检测方面较弱。因此，现有方案的性能远不能满足实际应用的需求。本文提出一种新颖的基于CNN的轨迹所有者预测（CNNTOP）方法。首先，我们根据所有用户的轨迹连接所有POI，结果是一个连通图，可用于生成比其他方法信息更丰富的POI序列。其次，我们采用Node2Vec算法将每个POI编码为低维实值向量。然后，我们将每条轨迹转换为固定维度的矩阵，类似于一幅图像。最后，设计了一个CNN来检测特征并预测给定轨迹的所有者。该CNN可通过卷积操作、批归一化（Batch normalization）和-max池化操作从轨迹的矩阵表示中提取信息丰富的特征。在真实数据集上的大量实验表明，CNNTOP在宏精确率（macro-Precision）、宏召回率（macro-Recall）、宏F1（macro-F1）和准确率方面大幅优于现有方案。
引用
@article{arxiv.2001.01185,
title = {CNNTOP: a CNN-based Trajectory Owner Prediction Method},
author = {Xucheng Luo and Shengyang Li and Yuxiang Peng},
journal= {arXiv preprint arXiv:2001.01185},
year = {2020}
}
备注
9pages, 11figures