陈勐
- 作品数：2 被引量：7H指数：2
- 供职机构：山东大学计算机科学与技术学院更多>>
- 发文基金：山东省科技发展计划项目山东省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于时序特征的移动模式挖掘被引量：5
- 2016年
- 定位设备(如GPS)的广泛使用产生了大量时空轨迹,合理地利用这些轨迹数据可以帮助挖掘用户移动模式.本文基于轨迹的时序特征提出一种新的模型来挖掘用户隐含移动模式.考虑到轨迹的特点:(1)位置顺序对于理解用户移动模式很重要;(2)用户的移动模式在不同时间段存在变化,本文提出的方法首先对位置序列进行建模,然后将时间信息加入到模型中.为了验证模型的有效性,本文在Gowalla签到数据集上进行了详细的实验,实验结果表明提出的模型优于传统的LDA模型及T-Bi LDA模型.
- 陈勐刘洋王月禹晓辉
- 基于深度表示模型的移动模式挖掘被引量：2
- 2016年
- 针对时空轨迹中位置顺序和时间对于理解用户移动模式的重要性,提出了一种新的用户轨迹深度表示模型。该模型考虑到时空轨迹的特点:1)不同的位置顺序表示不同的移动模式;2)轨迹有周期性并且在不同的时间段有变化。首先,将两个连续的位置点组合成位置序列;然后,将位置序列和对应的时间块组合成时间位置序列,作为描述轨迹特征的基本单位;最后,利用深度表示模型为每个序列训练特征向量。为了验证深度表示模型的有效性,设计实验将时间位置序列向量应用到用户移动模式发现中,并利用Gowalla签到数据集进行了实验评测。实验结果显示提出的模型能够发现"上班""购物"等明确的模式,而Word2Vec很难发现有意义的移动模式。
- 陈勐禹晓辉刘洋
- 关键词：哈夫曼编码
