轨迹-用户关联比你想的更容易
计算机与社会
2022-12-15 v1 人工智能
摘要
轨迹-用户关联（TUL）是一项较新的移动性分类任务，旨在将匿名轨迹关联到生成它们的用户。从个性化推荐到犯罪活动检测的应用使 TUL 在过去五年中受到越来越多的关注。尽管研究主要集中于学习捕捉个体用户独特复杂时空移动模式的深度表示，我们证明访问模式在用户间高度独特，因此直接应用于原始数据的简单启发式方法足以解决 TUL。更具体地，我们证明每条轨迹单次签到即能以高达 85% 的准确率正确预测用户身份。此外，通过使用非参数分类器，我们将 TUL 扩展至超过 10 万用户，较最先进水平提升了三个数量级。在四个真实数据集（Brightkite、Foursquare、Gowalla 和 Weeplaces）上的广泛实证分析将我们的发现与最先进结果比较，且更重要的是验证了我们的主张：TUL 比通常认为的更容易。
引用
@article{arxiv.2212.07081,
title = {Trajectory-User Linking Is Easier Than You Think},
author = {Alameen Najjar and Kyle Mede},
journal= {arXiv preprint arXiv:2212.07081},
year = {2022}
}
备注
8 pages, 7 figures, Accepted to 2022 IEEE International Conference on Big Data (Big Data)