Resumen

Con la popularidad de las redes sociales basadas en la ubicación, la predicción de la ubicación se ha convertido en una tarea importante y ha ganado una atención significativa en los últimos años. Sin embargo, aún no se ha resuelto cómo utilizar de manera efectiva los datos de trayectoria masiva y la información de contexto espacial-temporal para extraer el patrón de movilidad de los usuarios y predecir la próxima ubicación de los usuarios. En este artículo, proponemos una red novedosa llamada STSAN (red de autoatención espacial-temporal), que puede integrar la información espacial-temporal con la autoatención para la predicción de la ubicación. En STSAN, diseñamos un módulo de atención de trayectoria para aprender la representación dinámica de la trayectoria de los usuarios, que incluye tres módulos: atención a la ubicación, que captura las transiciones secuenciales de ubicación con autoatención; atención espacial, que captura la preferencia de los usuarios por la ubicación geográfica; y atención temporal, que captura la preferencia de actividad temporal del usuario.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Redes sociales basadas en la ubicación; Predicción de ubicación; Datos de trayectoria; Contexto espacio-temporal; Red STSAN; Módulo de atención de trayectoria
• Keywords:Location-based social networks; Location prediction; Trajectory data; Spatial-temporal context; STSAN network; Trajectory attention module