融合空间聚类信息和上下文感知的下一位置点推荐

作者：李慧峰; 王斌^*; 翟希; 朱苏磊; 张倩

来源：传感器与微系统, 2023, 42(07): 161-164.

DOI：10.13873/J.1000-9787(2023)07-0161-04

• 空间聚类
• 自注意力网络
• 多任务学习
• 位置推荐

针对现有的人类轨迹预测算法难以充分挖掘轨迹移动规律，以及未能充分利用城市空间区域信息等问题，提出一种新颖的融合城市空间聚类信息和上下文感知的下一位置推荐算法。首先，基于城市地理信息利用HiSpatialCluster空间聚类算法将整个城市分为多个地理区域，同时提出了一种新的轨迹嵌入方法，以获得轨迹点的特征表示；然后，通过自注意力网络(SAN)分别学习用户的长期偏好和短期偏好特征，并通过注意力网络捕获长短期偏好的关系，获得代表用户上下文信息的特征向量；最后，通过引入多任务组件增强框架的通用性。在真实数据集NYC和TKY上设置对比实验，通过与同类先进算法的对比，验证算法的有效性。实验结果表明：所提算法在召回率(Recall@K)和归一化折损累计增益(NDCG@K)上有显著提高。

• 单位
  上海师范大学; 机电工程学院; 上海市城乡建设和交通发展研究院