基于双向长短期记忆网络的用户轨迹停留点提取

• 作者: 纪开松 马宏 王庚润 刘树新
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 轨迹数据挖掘 停留点 深度学习 Bi-LSTM-DBSCAN
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 信息与通信工程
• 页码范围: 641-646
• 页数: 6页
• 分类号: TN918.1|O157.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.06.001

摘要

针对用户轨迹停留点提取问题,提出一种基于深度学习的Bi-LSTM-DBSCAN模型.该模型采用双向长短期记忆网络作为特征提取器,利用改进的DBSCAN算法作为轨迹停留点聚类方法,完成停留点分析任务,有效地解决了轨迹数据点之间关联性不强、处理复杂轨迹段效果不明显带来的聚类效果不佳的问题.实验结果表明,该模型在Geolife轨迹数据集上进行轨迹停留点提取时,相比于使用该文提到的其他停留点提取方法,其准确率、召回率和F值有明显的提升,取得了较好的效果.