HAP-SAP：基于隐时空霍克斯过程的基于位置的社交网络语义标注
社会与信息网络
2020-09-09 v2
摘要
基于位置的社交网络（LBSNs）的普及便利了对人类移动模式的理解。对人类动态的认知可在城市规划、交通拥堵管理、个性化推荐等多方面提供帮助。这些动态受社会影响、移动周期性、空间邻近性、用户间影响以及语义类别等因素影响，使得位置建模成为一项关键任务。然而，作为位置语义表征的类别可能在某些签到中缺失，并会对用户移动动态建模产生不利影响。同时，移动模式可为缺失的语义类别提供线索。本文同时解决位置的语义标注与用户位置采纳动态问题。我们提出模型 HAP-SAP，一种隐时空多元霍克斯过程，其考虑了隐语义类别影响以及用户的时间与空间移动模式。模型参数与隐语义类别利用期望最大化算法推断，该算法使用吉布斯采样获取隐语义类别上的后验分布。推断出的语义类别可辅助我们的模型预测用户的下一次签到事件。在真实数据集上的实验证明了所提模型在语义标注与位置采纳建模任务上的有效性。
引用
@article{arxiv.2009.02548,
title = {HAP-SAP: Semantic Annotation in LBSNs using Latent Spatio-Temporal Hawkes Process},
author = {Manisha Dubey and P. K. Srijith and Maunendra Sankar Desarkar},
journal= {arXiv preprint arXiv:2009.02548},
year = {2020}
}
备注
11 pages