学习人类移动性的行为表示
机器学习
2020-09-14 v2 机器学习
摘要
本文中，我们基于 CDR 轨迹，研究最先进的表示学习方法对移动个体行为相似性分析的适用性。贡献的核心是一个新颖的方法论框架 mob2vec，其围绕以下部分的组合使用展开：一种近期提出的用于去噪的符号轨迹分割方法、一种融入行为信息的新型轨迹泛化方法，以及一种从无序列数据学习向量表示的无人监督技术。mob2vec 是在真实 CDR 数据上通过大量实验进行的实证研究之结果。结果表明，mob2vec 在低维空间中生成保留个体移动行为相似性的 CDR 轨迹向量表示。
引用
@article{arxiv.2009.04719,
title = {Learning Behavioral Representations of Human Mobility},
author = {Maria Luisa Damiani and Andrea Acquaviva and Fatima Hachem and Matteo Rossini},
journal= {arXiv preprint arXiv:2009.04719},
year = {2020}
}
备注
ACM SIGSPATIAL 2020: 28th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems.November 2020 Seattle, Washington, USA