發(fā)布時(shí)間：2018-03-19 18:52

  本文選題：社交網(wǎng)絡(luò)　切入點(diǎn)：時(shí)空軌跡　出處：《中國科學(xué):信息科學(xué)》2017年08期 　論文類型：期刊論文

【摘要】：時(shí)空數(shù)據(jù)具有多維關(guān)聯(lián)特性,而深度學(xué)習(xí)恰恰因其能夠?qū)?fù)雜高維數(shù)據(jù)進(jìn)行高層抽象處理而備受關(guān)注.本文依據(jù)軌跡數(shù)據(jù)特征給出其形式化定義,并據(jù)此構(gòu)建基于Word2vec的時(shí)空語義軌跡模型.通過模型網(wǎng)絡(luò)訓(xùn)練位置特征向量,對(duì)不同時(shí)間粒度下的用戶軌跡進(jìn)行語義探究.實(shí)驗(yàn)中采取Top-K近鄰預(yù)測(cè)和聚類分析等手段驗(yàn)證了軌跡模型在無監(jiān)督式學(xué)習(xí)下輸出的位置向量具備空間語義且定型良好.其結(jié)果也進(jìn)一步檢驗(yàn)了基于詞向量的語言模型遷移至軌跡挖掘的研究具備可行性.
[Abstract]:Spatiotemporal data association characteristics, and just because of its deep learning of complex high dimensional data abstraction processing and attention. Based on the trajectory data feature gives its formal definition, and then constructing a spatio-temporal semantic trajectory model based on Word2vec model. Through the network training location feature vector, the user of different time granularity trajectory the semantic inquiry. The experiment adopts Top-K neighbor prediction and clustering analysis method to verify the position vector output trajectory model in unsupervised learning of semantic space with stereotypes. The results are good and further examine the language model to transfer trajectory mining word vector based on the feasibility.

【作者單位】： 山東大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;北京大學(xué)前沿交叉學(xué)科研究院;
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973)(批準(zhǔn)號(hào):2015CB352502) 國家自然科學(xué)基金(批準(zhǔn)號(hào):61272092,61572289) 山東省自然科學(xué)基金(批準(zhǔn)號(hào):ZR2015FM002,ZR2016FB14)資助項(xiàng)目
【分類號(hào)】：TP181;TP393.09

【相似文獻(xiàn)】

相關(guān)重要報(bào)紙文章 前1條

1 李靜;基于數(shù)據(jù)挖掘與語義分析 創(chuàng)新功能革新體驗(yàn)[N];科技日?qǐng)?bào);2013年

相關(guān)碩士學(xué)位論文 前1條

1 馬雯雯;基于隱含語義分析的微博熱點(diǎn)話題發(fā)現(xiàn)策略[D];重慶大學(xué);2013年

，

本文編號(hào)：1635567