TISIS：用于相似性搜索的轨迹索引
数据库
2024-09-23 v2 信息检索
摘要
社交媒体平台使用户能够分享各种类型的信息，包括捕获其移动模式的地理位置数据。此类地理位置数据可用于重建用户访问的兴趣点（POI）轨迹。众多应用中的一个关键需求是能够衡量此类轨迹之间的相似性，因为这有助于检索与给定参考轨迹相似的轨迹。这是我们工作的主要焦点。现有方法主要依赖于对每个候选轨迹应用相似性函数来识别足够相似的轨迹。然而，在处理大规模数据集时，这种方法在计算上变得昂贵。为了缓解这一挑战，我们提出了TISIS，一种使用轨迹索引快速查找共享相同顺序公共POI的相似轨迹的高效方法。此外，为了处理轨迹中POI可能不完全匹配但在上下文上相似的情况，我们引入了TISIS*，TISIS的一种变体，它结合了POI嵌入。这种扩展通过考虑POI之间的语义相似性，允许更全面地检索相似轨迹，而不仅仅是精确匹配。广泛的实验评估表明，所提出的方法显著优于基于著名的最长公共子序列（LCSS）算法的基线方法，在各种真实世界数据集上产生了显著的性能提升。
引用
@article{arxiv.2409.11301,
title = {TISIS : Trajectory Indexing for SImilarity Search},
author = {Sara Jarrad and Hubert Naacke and Stephane Gancarski},
journal= {arXiv preprint arXiv:2409.11301},
year = {2024}
}