Print

基于用户行为序列特征的位置预测模型

论文摘要

针对现有位置预测研究中忽略用户行为序列特性、预测精度提升受限的问题,提出了基于用户行为序列特征的位置预测模型.首先以人工提取的方式构建用户行为的序列特征,融合到位置预测模型中,构造了基于行为序列特征的循环神经网络模型（BCP-RNN）;借助RNN模型循环结构的特点,自动学习行为序列特征,并引入位置预测模型,构造了3层对称循环神经网络模型（TS-RNN）.实验结果证明,引入行为序列特征的BCP-RNN和TS-RNN模型,其预测性能均高于现有的位置预测模型,验证了行为序列特征对挖掘用户移动模式的重要性.相较于人工提取行为序列特征的BCP-RNN模型,TS-RNN不仅节省了人工特征提取的成本,还弥补了人工分析的片面性造成的偏差,具有更高的预测性能.

论文目录

  • 1 模型方案及实现流程
  • 2 特征提取
  •   2.1 上下文特征
  •   2.2 用户画像
  •   2.3 用户行为序列特征
  • 3 BCP-RNN模型
  •   3.1 基于用户行为序列特征的位置预测
  •   3.2 基于上下文特征的位置预测
  •   3.3 融合用户画像的位置预测
  • 4 TS-RNN模型
  •   4.1 面向位置序列的循环结构
  •   4.2 面向行为序列的循环结构
  •   4.3 面向位置行为相互作用的循环结构
  • 5 实验及对比分析
  •   5.1 实验环境与数据
  •   5.2 实验评估指标
  •   5.3 实验及结果分析
  • 6 结束语

    • 文章来源

    类型: 期刊论文

    作者: 胡铮,刘奕杉,朱新宁,于建港

    关键词: 位置预测,位置语义,行为序列特征

    来源: 北京邮电大学学报 2019年06期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 北京邮电大学网络与交换国家重点实验室,北京邮电大学信息与通信工程学院

    基金: 国家重点研发计划“科技冬奥”重点专项项目(2019YFF0302601)

    分类号: TP18;TP311.13

    DOI: 10.13190/j.jbupt.2019-106

    页码: 149-154

    总页数: 6

    文件大小: 806K

    下载量: 294

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/312f90fe511061cbd069bcee.html