基于ST-LSTM网络的位置预测模型

• 作者: 刘宏志 杨俊杰 许芳芳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 位置预测 长短期记忆模型 时空信息 个性化 行为轨迹
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP393
• 字数: 6549字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052883

摘要

针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提出一种基于时空特性的长短期记忆模型(ST-LSTM).基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性.在ST-LSTM网络中引入个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出个性化,更好地学习每类用户的行为轨迹特征,同时在保证ST-LSTM网络特性的前提下给出2种ST-LSTM网络的简化变体模型.在公开数据集上的测试结果表明,与主流位置预测方法相比,该预测模型精确率、召回率、F1值都有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏志	北京大学软件与微电子学院	10	109	5.0	10.0
2	杨俊杰		5	3	1.0	1.0
3	许芳芳	北京大学软件与微电子学院	1	1	1.0	1.0