面向有效下一POI预测：利用遥感数据进行空间与语义增强

下一点兴趣（POI）预测是位置服务中的重要任务，但其复杂性源于空间意图与语义意图的融合，这种融合受到历史偏好、当前位置以及环境因素的影响，带来了显著挑战。此外，POI分布的不均衡进一步复杂化了预测过程。为此，我们丰富输入特征，构建两个步骤的预测框架。首先，我们引入遥感数据，捕获关键环境背景，以增强关于位置和语义的输入特征；其次，我们运用区域四叉树结构整合城市遥感、道路网络与POI分布空间，旨在构建更连贯的城市空间图表示方法。通过此方法，我们构建QR-P图用于用户历史轨迹，以封装历史旅行知识，从而增强输入特征，提供全面的空间与语义洞察。我们设计不同的嵌入模块编码这些特征，并采用注意力机制融合多维编码。在两个步骤的预测过程中，我们首先预测用户偏好瓦片，以识别潜在空间区域，随后在预测得到的瓦片中定位特定类型的POI。基于四个真实位置社交网络数据集的实验结果表明，我们提出的方法在竞争基准方法上显著优越。