基于用户行为序列特征的位置预测模型

胡铮¹, 刘奕杉², 朱新宁², 于建港³

1. 北京邮电大学 网络与交换国家重点实验室, 北京 100876;
2. 北京邮电大学 信息与通信工程学院, 北京 100876;
3. 海南中智信信息技术有限公司, 海南 海口 570100

收稿日期:2019-05-31出版日期:2019-12-28发布日期:2019-11-15

作者简介:胡铮(1980-),男,副教授,硕士生导师,E-mail:huzheng@bupt.edu.cn.
基金资助:国家重点研发计划"科技冬奥"重点专项项目（2019YFF0302601）

Location Prediction Model Based on User Behavior Sequence Features

HU Zheng¹, LIU Yi-shan², ZHU Xin-ning², YU Jian-gang³

1. State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China;
3. Hainan Zhongzhixin Information Technology Company Limited, Hainan Haikou 570100, China

Received:2019-05-31Online:2019-12-28Published:2019-11-15

摘要/Abstract

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.
中图分类号:
TP391

引用本文

胡铮, 刘奕杉, 朱新宁, 于建港. 基于用户行为序列特征的位置预测模型[J]. 北京邮电大学学报, 2019, 42(6): 149-154.
HU Zheng, LIU Yi-shan, ZHU Xin-ning, YU Jian-gang. Location Prediction Model Based on User Behavior Sequence Features[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 149-154.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4604