科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了探索深度注意力模型在地铁出行预测任务中的可解释性，提出基于出行模式的注意力权重擦除方法和可解释性评估框架。首先，利用提出的地铁出行深度注意力框架搭建预测模型，使用广州地铁羊城通数据构造三种不同长度出行序列数据集进行模型训练和验证，达到70%以上准确率；然后，通过单一出行模式的注意力权重擦除实验发现，擦除最大注意力权重的出行模式比随机模式更能显著地影响模型预测结果，但大多数样本不发生预测结果的变化。即注意力机制在该条件下提供的可解释性信息是有限的，且该信息量随着序列长度增加而减小；最后，通过一组出行模式注意力权重擦除实验结果表明，按注意力权重降序擦除能最快使模型预测结果发生变化，并且模型能稳定地对重要的出行模式的出行记录分配注意力权重，即注意力机制在该条件下较好的提供了可解释性信息，且该信息量随着序列长度增加而增大。
- 单位
