【技术实现步骤摘要】
基于循环神经网络和注意力机制的下一个地点预测方法
本专利技术涉及下一个地点预测方法
,具体来说,涉及基于循环神经网络和注意力机制的下一个地点预测方法。
技术介绍
近些年来,越来越多基于位置的社交应用鼓励用户通过签到共享活动。基于此,大量的用户轨迹数据得以积累,这些数据包含空间和时间信息,即用户去了何地,在何时进行了签到。但是,用户对位置的共享具有很强的随机性,用户自身是否乐于签到、时间是否允许签到、情绪变化等,都能在一定程度上影响用户的签到情况。这使得签到数据十分稀疏,有可能用户在某日去了二十余个地点,但只在五个地方进行了签到。对于一个特定的用户来说,这些离散的签到数据可以按照时间整合为一个序列,该序列能够反映出用户的一个历史访问情况。对这些序列数据进行分析后,研究人员发现用户行为具有随机和多变的特点。研究人员还发现,用户行为在社会和地理信息的影响下,仍存在一定的规律性。挖掘用户轨迹所反映出来的行为习惯与规律,以此作为基础的下一个地点预测研究有着广泛的应用,如城市计算、疾病防控、交通流预测、个性化推荐、摘要总结、语义角色标注。下一个地点预测广阔的应用前景,吸引着越来越多的研究人员。在过去的十年间,对下一个地点进行预测的方法层出不穷。常用的包括马尔可夫模型、矩阵分解、循环神经网络、贝叶斯模型。基于上述方法,研究人员在进行预测时考虑了时间和空间的规律性。但目前仍存在如下问题:1、用户总是更愿意在他们最感兴趣的位置签到,这使得签到数据十分稀疏,而且用户的行为习惯会随着时间的变化而发生改变,时间 ...
【技术保护点】
1.基于循环神经网络和注意力机制的下一个地点预测方法,通过面向用户历史轨迹数据,采用循环神经网络以及自注意力机制对用户行为规律进行挖掘,对下一个地点进行预测的方法,其特征在于,包括以下步骤:/n获取所有用户的历史签到数据并按时间先后形成签到序列,根据所述历史签到数据中包含的用户ID、地点ID和时间戳计算嵌入向量I,L,T;/n根据所述向量I和所述向量L计算包含所述时间戳中用户签到时间和所述地点ID信息的向量C
【技术特征摘要】
1.基于循环神经网络和注意力机制的下一个地点预测方法,通过面向用户历史轨迹数据,采用循环神经网络以及自注意力机制对用户行为规律进行挖掘,对下一个地点进行预测的方法,其特征在于,包括以下步骤:
获取所有用户的历史签到数据并按时间先后形成签到序列,根据所述历史签到数据中包含的用户ID、地点ID和时间戳计算嵌入向量I,L,T;
根据所述向量I和所述向量L计算包含所述时间戳中用户签到时间和所述地点ID信息的向量C0;
根据所述向量C0计算体现所述签到序列中各个所述地点ID位置之间的关系向量X;
根据所述向量X和所述向量I计算包含所述用户ID信息和各个所述地点ID位置之间的关系向量C1;
根据所述向量C1按照预先设定的法则分别计算Scorepos和Scoreatt;
根据所述Scorepos和所述Scoreatt的计算结果生成预测列表。
2.根据权利要求1所述的基于循环神经网络和注意力机制的下一个地点预测方法,其特征在于,在获取所有用户的历史签到数据并按时间先后形成签到序列,根据所述历史签到数据中包含的用户ID、地点ID和时间戳计算嵌入向量I,L,T中还包括以下步骤:
对所述签到数据中的所述用户ID进行映射,映射后的向量I可以唯一标识该用户;
对所述签到数据中的所述地点ID进行映射,映射后的向量L反应用户去过的地点;
对所述签到数据中的所述时间戳进行映射,映射后的向量T反应用户在该地点进行签到的时间;
其中,所述时间戳(t1,t2,…tn),所述地点ID(l1,l2,…ln)和所述用户ID可以分别嵌入实值向量T,L,I中,对于给定的用户,所述向量I,L,T包括该用户一端时间内的行为信息,并在一定程度上能够反映出该用户的行为规律。
3.根据权利要求1所述的基于循环神经网络和注意力机制的下一个地点预测方法,其特征在于,在根据所述向量I和所述向量L计算包含所述时间戳中用户签到时间和所述地点ID信息的向量C0中还包括以下步骤:
将所述向量L和所述向量T进行连接,得到包含用户所到地点和所到地点时间信息的向量C0,且所述向量C0包含位置信息和用户访问时间信息;
通过GRU对所述向量C0进行处理,获取给定用户所述签到序列中各个所述地点ID位置之间的关系。
4.根据权利要求1所述的基于循环神...
【专利技术属性】
技术研发人员:曾骏,何欣,唐浩然,文俊浩,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。