基于移动记录推断用户社会经济地位的研究
机器学习
2022-11-16 v1 人工智能
摘要
当用户在物理空间（如城市空间）中移动时，会产生由手机和 GPS 设备等生成的称为移动记录（如轨迹）的一些记录。自然地，移动记录捕捉了用户日常工作、生活和娱乐的基本信息，因此已被广泛用于用户画像推断、移动预测和交通管理等一系列任务。在本文中，我们通过研究基于移动记录推断用户社会经济地位（如以用户住房价格作为用户社会经济地位的代理）的问题来拓展这一研究方向，该问题可潜在地用于车贷业务等实际应用。针对此任务，我们提出了一种称为 DeepSEI 的社会经济感知深度模型。DeepSEI 模型包含称为深度网络和循环网络的两个网络，分别从空间性、时间性和活动性三个方面以粗粒度和细粒度提取移动记录的特征。我们在真实的移动记录数据、POI 数据和房价数据上进行了大量实验。结果验证了 DeepSEI 模型相比现有研究具有更优的性能。本文使用的所有数据集将公开可用。
引用
@article{arxiv.2211.08200,
title = {On Inferring User Socioeconomic Status with Mobility Records},
author = {Zheng Wang and Mingrui Liu and Cheng Long and Qianru Zhang and Jiangneng Li and Chunyan Miao},
journal= {arXiv preprint arXiv:2211.08200},
year = {2022}
}
备注
IEEE International Conference on Big Data (IEEE BigData 2022)