PG$^2$Net：面向下一位置预测的个性化与群体偏好引导网络
机器学习
2021-10-19 v1 人工智能
计算机与社会
摘要
预测下一个要访问的地点是人类移动行为建模的关键，在流行病控制、城市规划、交通管理和旅行推荐等多个领域发挥着重要作用。为了实现这一点，一种典型的解决方案是设计基于 RNN 的模块来捕捉用户对不同地点的偏好。尽管这些基于 RNN 的方法能够有效地学习个体对其所访问地点的隐含个性化偏好，但用户之间的交互只能通过地点的表示进行微弱学习。针对这一问题，我们提出了一种端到端框架，名为个性化与群体偏好引导网络（PGNet），在个体和集体两个层面考虑用户对不同地点的偏好。具体而言，PGNet 结合 Bi-LSTM 和注意力机制来捕捉每个用户的长期移动趋势。为了学习人群的群体偏好，我们利用访问的时空信息构建了一个时空依赖模块。我们采用图嵌入方法将用户的轨迹映射到隐空间中，以捕捉其顺序关系。此外，我们设计了一个辅助损失来学习其下一个位置的向量表示。在两个 Foursquare 签到数据集和一个手机数据集上的实验结果表明，与最先进的基线方法相比，我们的模型具有优势。源代码可在 https://github.com/urbanmobility/PG2Net 获取。
引用
@article{arxiv.2110.08266,
title = {PG$^2$Net: Personalized and Group Preferences Guided Network for Next Place Prediction},
author = {Huifeng Li and Bin Wang and Fan Xia and Xi Zhai and Sulei Zhu and Yanyan Xu},
journal= {arXiv preprint arXiv:2110.08266},
year = {2021}
}