买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市遥感信息研究所

摘要：本发明公开了一种社交关系感知的人类移动行为预测方法和系统，该方法，包括以嵌入的形式获取用户签到行为特征的嵌入表示；基于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；利用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，并利用第二关联关系模型获取用户短期偏好特征；融合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。本发明能够集成融合用户长期偏好和用户短期偏好来实现对用户移动行为的有效预测。

主权项：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：以嵌入的形式获取用户签到行为特征的嵌入表示；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；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；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；对于签到中的位置对位置ID进行直接查找，并获得相应的位置嵌入对于用户u在时刻t的位置node2vec输出嵌入的特征向量位置p的位置嵌入p的分量公式化如下：p2i＝sinp100002idp2i+i＝cosp100002id其中2i和2i+1分别是偶数和奇数整数，d是潜在变量的维数；对于用户u，将特征向量u、t和p输入到d维全连接层中，该层输出STC中的每个签到的潜在表示和LTCC中的 其中和是变换矩阵；给定长期社交通道中用户u与其直接朋友Nu，考虑tN时刻用户u和他的朋友的所有的历史签到行为，即通过使用多头自注意力力，计算长期社交通道每一对签到行为的注意力权重即： 使用长期社交通道中第k个自注意力层生成签到行为的一个新的向量表示表述为： 其中是第k-1个非线性层的输出，是第h个头的隐向量，它是从中划分得到，是一个参数矩阵；给定长期社交通道中的输入该通道中第k个自注意力层的输出由以下公式计算： 其中layer_norm·表示层归一化函数；给定长期社交通道中第k个自注意力层生成的输入使用以下公式计算前馈层的输出 其中relu·表示ReLU激活函数，是两个可训练的参数矩阵；给定用户u在短期通道中的当前轨迹假设是由STC中第k非线性层生成的隐特征构成的一个矩阵；此处，表示由特征嵌入层生成的隐特征向量构成的一个矩阵；d代表隐变量的维度，M是用户轨迹的长度；利用多头自注意力力来生成签到轨迹中所有签到行为的表示，描述为： 其中concat·表示连接操作，H是多头自注意力力的head数量，是一个参数矩阵，第h个head对的隐向量，注意力权重；注意力权重矩阵的计算过程：对于STC中输入到第k个非线性层的一对隐特征向量注意力权重度量了前者对后者的影响程度；通过以下方式进行参数计算： 其中是一个注意力函数；使用作为惩罚因子，即： 获得短期通道中的第k个残差层和前馈层的输出，即方法得到和

全文数据：

权利要求：

百度查询： 北京市遥感信息研究所 一种社交关系感知的人类移动行为预测方法及系统