语义轨迹建模与挖掘研究进展

• 作者: 俞肇元 刘信陶 史覃覃 吉根林 赵斌 韩晶晶
• 来源期刊: 地球信息科学学报
• 关键词: 语义轨迹 语义轨迹建模 语义轨迹挖掘 语义富化 本体知识库 语义轨迹模式挖掘 语义轨迹聚类 语义轨迹分类 语义轨迹异常检测
• 年，卷（期）: 2020,（4）
• 页码范围: 842-856
• 页数: 15页
• 语种: 中文

摘要

语义轨迹是时空轨迹和语义信息融合的产物.除了含有时空信息以外,语义轨迹包括移动对象自身的运动状态(如速度、方向)、环境(如气温、空间拓扑关系)和社交关系(如好友关系、社交活动)等多方面信息.挖掘语义轨迹可以深入地发现个体或群体移动行为的意图、习惯、情感等高阶语义内容,从而深层次发现个体或群体移动行为的模式、关系和规律等.因而,相较于时空轨迹,语义轨迹在语义性、解释性、可行性等方面更符合决策分析应用的实践需求,具有更重要的研究意义和应用价值.本文对语义轨迹挖掘的关键技术进行了综述.首先,介绍语义轨迹的基本概念,并且根据语义元素类型的不同总结了4种常见的定义形式.其次,归纳了语义轨迹建模的基本阶段,包括预处理、轨迹分段和语义富化.由于语义轨迹无法像时空轨迹那样从位置感知设备中采集获得,因此语义轨迹是通过建模技术得到的,主要通过将语义信息和时空轨迹相融合生成相应的语义轨迹.然后,介绍语义轨迹挖掘的主要任务,包括语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测等.针对每一项挖掘任务,介绍了有关的基本原理和相关算法,总结了主要的关键技术和挑战.最后,探讨了语义轨迹挖掘现存的研究难点和未来研究方向.从模型定义、语义标注技术、多源数据建模等方面,讨论了语义轨迹建模的重要研究问题;从语义轨迹数据管理、分类和预测、流式数据挖掘、隐私保护、多粒度挖掘、评价方法等方面,探讨了语义轨迹挖掘的未来研究问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞肇元	南京师范大学地理科学学院	51	800	13.0	27.0
2	吉根林	南京师范大学计算机科学与技术学院	138	2757	22.0	50.0
3	韩晶晶	南京师范大学计算机科学与技术学院	6	12	1.0	3.0
4	赵斌	南京师范大学计算机科学与技术学院	35	306	7.0	17.0
5	史覃覃	南京师范大学计算机科学与技术学院	2	0	0.0	0.0
6	刘信陶	香港理工大学土地测量及地理资讯学系	1	0	0.0	0.0