【技术实现步骤摘要】
本专利技术涉及行为预测，特别是涉及一种社交关系感知的人类移动行为预测方法及系统。
技术介绍
1、人类移动行为预测的目标是预测目标用户下一步可能去哪里。当前用户利用移动设备和基于位置的服务(lbs)来搜索lbsn中的兴趣点(兴趣点)，发布他们对兴趣点的签到和评论，并分享他们在现实世界中的生活体验。lbsn中的数百万用户生成了大量的签到数据，这为预测人类移动行为提供了极好的机会。由于人类移动行为预测的重要性和商业价值，人类移动行为预测研究受到了学术界和业界的关注。通常，现有的人类移动行为预测工作试图基于目标用户的历史签到来预测他们的偏好，并向他们推荐一组未访问的位置(城市兴趣点)。
2、现有的人类移动行为预测方法根据用户的历史签到来学习用户的行动规律，并根据用户最近的签到位置来训练个性化的预测模型。由于人类流动性的复杂性和多样性，以往的大多数研究都很难取得令人满意的推荐结果。可以利用用户签到的更多可用信息，如空间信息、时间信息和社交关系，通过深度学习和其他新技术来训练更好的推荐模型。最近，有研究开始利用社会关系影响来提高预测的质量，他们计算了用户之间关于社交关系的相似性，然后使用协同过滤技术设计了推荐模型此外，先前的一些研究使用网络表示技术来建模用户的朋友关系。但现有的技术仍然存在不足，他们仅仅建模了用户的社交关系，但很难准确识别由于社交关系导致的行为相关性。在人类移动行为预测场景中，每个用户的社会关系影响是动态的和上下文相关的，这给具有社会关系感知的下一次移动行为预测带来了很大的困难。因此，建模动态社会关系影响对于预测
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本专利技术提出了一种社交关系感知的人类移动行为预测方法，本申请设计了两个并行的通道，即短期通道和长期社交通道，以同时模拟个人偏好和社会关系影响。短期通道的目标是学习短期偏好。它将每个用户的当前轨迹作为输入，表示用户正在进行的序列影响。此外，长期社交通道的目标是同时学习社会关系影响和长期偏好。长期社交通道将移动社交网络中每个用户和他/她的朋友的所有历史签到作为输入。
3、本专利技术的另一个目的在于提出一种社交关系感知的人类移动行为预测系统。
4、为达上述目的，本专利技术一方面提出一种社交关系感知的人类移动行为预测方法，包括：
5、以嵌入的形式获取用户签到行为特征的嵌入表示；
6、基于所述嵌入表示将用户历史行为特征和朋友历史行为特征构建为长期社交通道行为序列，并基于所述长期社交通道行为序列构建第一关联关系模型；以及将用户最近移动行为特征构建为短期通道行为序列，并构建第二关联关系模型；
7、利用所述第一关联关系模型获取融合社交影响的用户长期偏好特征，并利用所述第二关联关系模型获取用户短期偏好特征；
8、融合所述用户长期偏好特征和用户短期偏好特征以获取用户表示，并根据所述用户表示对用户移动行为进行预测得到移动行为预测结果。
9、本专利技术实施例的社交关系感知的人类移动行为预测方法还可以具有以下附加技术特征：
10、在本专利技术的一个实施例中，所述用户签到行为特征，包括用户信息、位置信息、空间信息、时间信息和序列信息中的多种。
11、在本专利技术的一个实施例中，以嵌入的形式获取用户签到行为特征的嵌入表示，包括：
12、获取用户签到行为特征中的第一位置信息；
13、对所述第一位置信息的位置id进行查找以获得相应的位置嵌入。
14、在本专利技术的一个实施例中，以嵌入的形式获取用户行为特征的嵌入表示，还包括：
15、利用图嵌入方法在l2l图上将每个位置编码为低维向量；
16、基于所述低维向量获取用户在预设时刻的第二位置信息，并通过图嵌入方法输出嵌入的特征向量。
17、在本专利技术的一个实施例中，以嵌入的形式获取用户行为特征的嵌入表示，还包括：
18、将持续时间划分为长度呈指数增长的区间以得到分类时间特征；
19、对所述分类时间特征进行直接查找以根据查找结果得到预设时刻的时间嵌入。
20、为达上述目的，本专利技术另一方面提出一种社交关系感知的人类移动行为预测系统，包括：
21、行为特征嵌入模块，用于以嵌入的形式获取用户签到行为特征的嵌入表示；
22、行为序列构建模块，用于基于所述嵌入表示将用户历史行为特征和朋友历史行为特征构建为长期社交通道行为序列，并基于所述长期社交通道行为序列构建第一关联关系模型；以及将用户最近移动行为特征构建为短期通道行为序列，并构建第二关联关系模型；
23、偏好特征获取模块，用于利用所述第一关联关系模型获取融合社交影响的用户长期偏好特征，并利用所述第二关联关系模型获取用户短期偏好特征；
24、移动行为预测模块，用于融合所述用户长期偏好特征和用户短期偏好特征以获取用户表示，并根据所述用户表示对用户移动行为进行预测得到移动行为预测结果。
25、本专利技术实施例的优化的社交关系感知的人类移动行为预测方法和系统，使用当前时间点之前的所有历史签到来捕捉用户的长期偏好。最后集成融合了用户社交关系影响的用户长期偏好和用户短期偏好来实现对用户移动行为的预测。
26、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种社交关系感知的人类移动行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征，包括用户信息、位置信息、空间信息、时间信息和序列信息中的多种。
3.根据权利要求2所述的方法，其特征在于，以嵌入的形式获取用户签到行为特征的嵌入表示，包括：
4.根据权利要求3所述的方法，其特征在于，以嵌入的形式获取用户行为特征的嵌入表示，还包括：
5.根据权利要求4所述的方法，其特征在于，以嵌入的形式获取用户行为特征的嵌入表示，还包括：
6.一种社交关系感知的人类移动行为预测系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述用户签到行为特征，包括用户信息、位置信息、空间信息、时间信息和序列信息中的多种。
8.根据权利要求7所述的系统，其特征在于，所述行为特征嵌入模块，还用于：
9.根据权利要求8所述的系统，其特征在于，所述行为特征嵌入模块，还用于：
10.根据权利要求9所述的系统，其特征在于，所述行为特征嵌入
...【技术特征摘要】
1.一种社交关系感知的人类移动行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征，包括用户信息、位置信息、空间信息、时间信息和序列信息中的多种。
3.根据权利要求2所述的方法，其特征在于，以嵌入的形式获取用户签到行为特征的嵌入表示，包括：
4.根据权利要求3所述的方法，其特征在于，以嵌入的形式获取用户行为特征的嵌入表示，还包括：
5.根据权利要求4所述的方法，其特征在于，以嵌入的形式获取用户...
【专利技术属性】
技术研发人员：黄立威，刘艳博，吕守业，张开锋，李金洲，李阳，刘洋，
申请(专利权)人：北京市遥感信息研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。