基于深度軌跡挖掘的個(gè)性化行程規(guī)劃
發(fā)布時(shí)間:2022-10-19 18:25
隨著社交網(wǎng)絡(luò)的發(fā)展,人們越來越樂于發(fā)布和分享日常生活中的各種信息,位置信息的數(shù)據(jù)量更是呈指數(shù)級(jí)增長。挖掘位置信息和揭示人類移動(dòng)模式是許多下游應(yīng)用的重要任務(wù),例如興趣點(diǎn)(Point of Interest,POI)推薦和交通擁塞預(yù)測等都是非常熱門且被廣泛研究的領(lǐng)域,根據(jù)挖掘用戶的移動(dòng)模式而進(jìn)行個(gè)性化行程推薦更是一個(gè)重要且亟需解決的難題。移動(dòng)互聯(lián)網(wǎng)不僅為用戶提供了前所未有的便利,更為個(gè)性化行程規(guī)劃的研究提供了極為豐富的情境信息。近年來,各種基于順序建模和表示技術(shù)的方法層出不窮,例如基于排名的矩陣分解模型,基于隨機(jī)游走的軌跡預(yù)測模型等等,但都未曾著眼于軌跡語義的挖掘。然而,發(fā)現(xiàn)與移動(dòng)相關(guān)的抽象主題和利用軌跡的上下文語義可以對用戶的移動(dòng)模式提供更加全面的理解。另外,軌跡重建和軌跡預(yù)測是個(gè)性化行程規(guī)劃的兩個(gè)子任務(wù),對此二者進(jìn)行深入的研究能夠更好地掌握用戶的行程偏好,從而為用戶規(guī)劃行程。本文的主要內(nèi)容和創(chuàng)新性如下:1、本文提出了基于變分軌跡上下文感知的行程推薦模型,主要包括四個(gè)學(xué)習(xí)用戶軌跡表示的框架:(1)循環(huán)編碼器,(2)變分編碼器,(3)變分注意層,(4)兩個(gè)解碼器。該方法是一種基于學(xué)習(xí)軌跡上...
【文章頁數(shù)】:82 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國內(nèi)外研究歷史與現(xiàn)狀
1.2.1 軌跡數(shù)據(jù)
1.2.2 軌跡推薦方法
1.2.3 軌跡推薦的主要任務(wù)
1.3 本文的主要內(nèi)容與創(chuàng)新
1.4 本論文的結(jié)構(gòu)安排
第二章 相關(guān)原理及技術(shù)
2.1 引言
2.2 軌跡數(shù)據(jù)挖掘
2.3 基于位置的推薦技術(shù)
2.4 個(gè)性化行程推薦
2.5 預(yù)備知識(shí)
2.5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.5.2 序列到序列模型
2.6 增強(qiáng)學(xué)習(xí)
2.6.1 馬爾可夫過程
2.6.2 深度增強(qiáng)學(xué)習(xí)
2.7 本章小結(jié)
第三章 基于變分軌跡上下文感知的行程推薦模型
3.1 引言
3.2 預(yù)備知識(shí)
3.2.1 注意力機(jī)制
3.2.2 變分自動(dòng)編碼器
3.2.3 上下文和上下文感知
3.3 基本模型
3.4 具體模型
3.4.1 循環(huán)軌跡編碼器
3.4.2 變分軌跡編碼器
3.4.3 變分注意力機(jī)制
3.4.4 兩級(jí)軌跡解碼器
3.4.4.1 第一級(jí)解碼器
3.4.4.2 第二級(jí)解碼器
3.5 上下文軌跡推斷
3.6 本章小結(jié)
第四章 基于層次化軌跡表示的行程規(guī)劃模型
4.1 引言
4.2 預(yù)備知識(shí)
4.2.1 基于策略梯度的增強(qiáng)學(xué)習(xí)
4.2.2 軌跡分段
4.3 模型概述
4.4 層次化軌跡表示模型
4.4.1 結(jié)構(gòu)化軌跡編碼器
4.4.2 軌跡解碼器
4.5 模型訓(xùn)練
4.6 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與性能評(píng)估
5.1 引言
5.2 軌跡數(shù)據(jù)集
5.3 軌跡數(shù)據(jù)處理
5.4 軌跡預(yù)訓(xùn)練
5.5對比實(shí)驗(yàn)
5.6 評(píng)估標(biāo)準(zhǔn)
5.7 實(shí)驗(yàn)結(jié)果與性能分
5.7.1 實(shí)驗(yàn)結(jié)果
5.7.2 性能分析
5.8 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):3693881
【文章頁數(shù)】:82 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國內(nèi)外研究歷史與現(xiàn)狀
1.2.1 軌跡數(shù)據(jù)
1.2.2 軌跡推薦方法
1.2.3 軌跡推薦的主要任務(wù)
1.3 本文的主要內(nèi)容與創(chuàng)新
1.4 本論文的結(jié)構(gòu)安排
第二章 相關(guān)原理及技術(shù)
2.1 引言
2.2 軌跡數(shù)據(jù)挖掘
2.3 基于位置的推薦技術(shù)
2.4 個(gè)性化行程推薦
2.5 預(yù)備知識(shí)
2.5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.5.2 序列到序列模型
2.6 增強(qiáng)學(xué)習(xí)
2.6.1 馬爾可夫過程
2.6.2 深度增強(qiáng)學(xué)習(xí)
2.7 本章小結(jié)
第三章 基于變分軌跡上下文感知的行程推薦模型
3.1 引言
3.2 預(yù)備知識(shí)
3.2.1 注意力機(jī)制
3.2.2 變分自動(dòng)編碼器
3.2.3 上下文和上下文感知
3.3 基本模型
3.4 具體模型
3.4.1 循環(huán)軌跡編碼器
3.4.2 變分軌跡編碼器
3.4.3 變分注意力機(jī)制
3.4.4 兩級(jí)軌跡解碼器
3.4.4.1 第一級(jí)解碼器
3.4.4.2 第二級(jí)解碼器
3.5 上下文軌跡推斷
3.6 本章小結(jié)
第四章 基于層次化軌跡表示的行程規(guī)劃模型
4.1 引言
4.2 預(yù)備知識(shí)
4.2.1 基于策略梯度的增強(qiáng)學(xué)習(xí)
4.2.2 軌跡分段
4.3 模型概述
4.4 層次化軌跡表示模型
4.4.1 結(jié)構(gòu)化軌跡編碼器
4.4.2 軌跡解碼器
4.5 模型訓(xùn)練
4.6 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與性能評(píng)估
5.1 引言
5.2 軌跡數(shù)據(jù)集
5.3 軌跡數(shù)據(jù)處理
5.4 軌跡預(yù)訓(xùn)練
5.5對比實(shí)驗(yàn)
5.6 評(píng)估標(biāo)準(zhǔn)
5.7 實(shí)驗(yàn)結(jié)果與性能分
5.7.1 實(shí)驗(yàn)結(jié)果
5.7.2 性能分析
5.8 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):3693881
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3693881.html
最近更新
教材專著