隨著智慧城市建設(shè)對城市交通信息分析利用需求的不斷增長和用戶時(shí)空軌跡數(shù)據(jù)的不斷積累,基于位置的數(shù)據(jù)挖掘開始被廣泛研究。人們希望能夠更加準(zhǔn)確地掌握城市發(fā)展中存在的交通問題和需求,以便于更加有效地采取應(yīng)對措施。此外,基于位置的數(shù)據(jù)挖掘還可以輔助進(jìn)行與位置相關(guān)的商業(yè)活動(dòng)。在基于位置的數(shù)據(jù)挖掘研究中,位置表示學(xué)習(xí)是一項(xiàng)十分重要的基礎(chǔ)研究任務(wù)。位置表示學(xué)習(xí)的目標(biāo)是為每個(gè)位置學(xué)習(xí)一個(gè)嵌入的隱含特征向量表示。目前已有的大部分位置表示方法都只考慮了軌跡數(shù)據(jù)中位置的空間和序列關(guān)系,而忽略了在一條軌跡中用戶到達(dá)特定位置的時(shí)間信息的影響�？紤]到用戶的到達(dá)時(shí)間可以明確地反映位置的功能特征,所以將到達(dá)時(shí)間信息嵌入到位置表示學(xué)習(xí)中是非常有必要的。本文提出了一種融入時(shí)間信息的位置表示學(xué)習(xí)方法（Time-Aware Location Embedding,TALE）,從時(shí)空軌跡數(shù)據(jù)中對位置的分布式向量表示進(jìn)行學(xué)習(xí)。在該方法中我們基于層次softmax模型設(shè)計(jì)了一種新穎的樹結(jié)構(gòu),將軌跡數(shù)據(jù)中的時(shí)間信息作為多叉樹的子節(jié)點(diǎn)加入到樹中。為了對TALE模型學(xué)習(xí)得到的向量效果進(jìn)行驗(yàn)證,我們進(jìn)行了位置向量類比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明TALE... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

SENNA基于窗口的方法網(wǎng)絡(luò)結(jié)構(gòu)圖

sENNA基于句子的方法網(wǎng)絡(luò)結(jié)構(gòu)圖

，CBOW的層次sonmax

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時(shí)間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報(bào). 2018(04)
[2]Word2vec的工作原理及應(yīng)用探究[J]. 周練.  科技情報(bào)開發(fā)與經(jīng)濟(jì). 2015(02)



本文編號：3078897