利用粗粒度智能手机日志建模空间轨迹
机器学习
2022-09-20 v1
摘要
当前兴趣点（POI）推荐方法通过 POI 坐标、社交网络等标准空间特征学习用户偏好。这些模型忽略了一个空间移动性的关键方面——每个用户无论去往何处都携带智能手机。此外，随着隐私担忧增长，用户避免分享其精确地理坐标与社交媒体活动。本文中，我们提出 REVAMP，一种利用用户在智能手机应用程序（或 app）上的活动来识别其移动偏好的序列 POI 推荐方法。该工作与近期关于在线城市用户的心理学研究一致，其表明用户的空间移动行为很大程度上受智能手机 app 活动影响。此外，我们提出的粗粒度智能手机数据指以隐私意识方式收集的数据日志，即仅包含（a）智能手机 app 类别与（b）签到位置类别。因此，REVAMP 不接触精确地理坐标、社交网络或所访问的具体应用。受益于自注意力模型的有效性，我们使用两种位置编码——绝对与相对——学习用户 POI 偏好，二者均提取自用户签到序列中的签到间动态。基于中国两个大规模数据集的广泛实验展示了 REVAMP 的预测能力及其预测 app 与 POI 类别的能力。
引用
@article{arxiv.2208.13775,
title = {Modeling Spatial Trajectories using Coarse-Grained Smartphone Logs},
author = {Vinayak Gupta and Srikanta Bedathur},
journal= {arXiv preprint arXiv:2208.13775},
year = {2022}
}
备注
IEEE Transactions on Big Data