下一位置预测数据集中的轨迹训练-测试重叠
人工智能
2022-03-08 v1 社会与信息网络
摘要
下一位置预测，即给定用户历史轨迹预测其位置，在城市规划、地理营销和疾病传播等多个领域具有重要意义。过去几年提出了若干预测器以解决该问题，包括基于深度学习的下一代预测器。本文在公共移动性数据集上测试这些预测器的泛化能力，按测试集中的轨迹是否完整或部分出现在训练集中对数据集进行分层。我们一致发现所有分析数据集中存在严重的轨迹重叠问题，突出表明预测器记忆轨迹而泛化能力有限。因此我们提出一种基于空间移动模式对下一位置预测器输出重排序的方法。利用这些技术，我们显著提升了预测器的泛化能力，在无法被记忆的轨迹（即与训练集低重叠）上准确率相对提升高达 96.15%。
引用
@article{arxiv.2203.03208,
title = {Trajectory Test-Train Overlap in Next-Location Prediction Datasets},
author = {Massimiliano Luca and Luca Pappalardo and Bruno Lepri and Gianni Barlacchi},
journal= {arXiv preprint arXiv:2203.03208},
year = {2022}
}