时空城市知识图谱赋能的移动性预测
社会与信息网络
2021-11-11 v2 人工智能
信息检索
系统与控制
系统与控制
摘要
随着移动通信技术的快速发展，人类的移动轨迹被互联网服务提供商（ISP）和应用服务提供商（ASP）大规模采集。另一方面，知识图谱（KG）这一新兴范式为我们从海量轨迹数据中提取结构化“知识”提供了有前景的方案。本文聚焦于基于知识图谱技术建模用户的时空移动模式，并基于从多源以协同方式提取的“知识”预测用户未来移动。具体而言，我们提出一种新型知识图谱，即时空城市知识图谱（STKG），其中移动轨迹、场所类别信息以及时间信息通过STKG中具有不同关系类型的事实联合建模。移动预测问题被转化为STKG中的知识图谱补全问题。进一步，提出一种具有精心设计的评分函数的复杂嵌入模型，以度量STKG中事实的可信度从而解决知识图谱补全问题，该模型考虑了移动模式的时序动态性，并利用兴趣点（PoI）类别作为辅助信息与背景知识。大量评估证实了我们的模型在预测用户移动方面的高准确性，即相比最先进（SOTA）算法准确率提升5.04%。此外，作为背景知识和辅助信息的PoI类别被证实有帮助，准确率提升3.85%。另外，实验表明所提方法具有时间效率，相比现有方法计算时间减少超过43.12%。
引用
@article{arxiv.2111.03465,
title = {Spatio-Temporal Urban Knowledge Graph Enabled Mobility Prediction},
author = {Huandong Wang and Qiaohong Yu and Yu Liu and Depeng Jin and Yong Li},
journal= {arXiv preprint arXiv:2111.03465},
year = {2021}
}