公开(公告)号：CN111400620B

公开(公告)日：2021-08-03

申请号：CN202010228011.0

申请日：2020-03-27

Applicant: 东北大学

Inventor： 王爽 ,  李安良 ,  刘胜楠 ,  张思远

IPC: G06F16/9537 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于时空嵌入Self‑Attention的用户轨迹位置预测方法，涉及用户位置预测和时空数据挖掘技术领域。该方法首先从原始签到记录的用户历史轨迹中读取所有用户标识、POI标识、访问时间、POI的地理位置信息；计算所有POI之间的空间距离成本及每一用户的所有轨迹点之间时间间隔以及时间戳信息；然后基于用户历史轨迹建立时空嵌入Self‑Attention模型，得到用户下一个访问点概率分布；建立的时空嵌入Self‑Attention模型同时考虑到POI的地理位置信息和用户历史访问POI的时间信息对于用户下一次访问行为的影响。本发明方法显著提高了轨迹预测模型的训练速度，大大缩短轨迹模型训练时间，同时也提升了模型的预测精度。

公开(公告)号：CN111400620A

公开(公告)日：2020-07-10

申请号：CN202010228011.0

申请日：2020-03-27

Applicant: 东北大学

Inventor： 王爽 ,  李安良 ,  刘胜楠 ,  张思远

IPC: G06F16/9537 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于时空嵌入Self-Attention的用户轨迹位置预测方法，涉及用户位置预测和时空数据挖掘技术领域。该方法首先从原始签到记录的用户历史轨迹中读取所有用户标识、POI标识、访问时间、POI的地理位置信息；计算所有POI之间的空间距离成本及每一用户的所有轨迹点之间时间间隔以及时间戳信息；然后基于用户历史轨迹建立时空嵌入Self-Attention模型，得到用户下一个访问点概率分布；建立的时空嵌入Self-Attention模型同时考虑到POI的地理位置信息和用户历史访问POI的时间信息对于用户下一次访问行为的影响。本发明方法显著提高了轨迹预测模型的训练速度，大大缩短轨迹模型训练时间，同时也提升了模型的预测精度。