[发明专利]基于多分辨率上下文关联的位置预测方法及系统

说明书

本发明公开了一种基于多分辨率上下文关联的位置预测方法及系统，方法包括以下步骤：步骤S1、根据用户历史轨迹数据，获取多分辨率时间信息；步骤S2、根据用户历史轨迹数据，获取多分辨率空间信息；步骤S3、根据获取的多分辨率时间信息和多分辨率空间信息，获取序列的多分辨率的时间和空间上下文规律；步骤S4、根据获取的序列的多分辨率的时间和空间上下文规律，获取位置预测信息。本发明提供的基于多分辨率上下文关联的位置预测方法，通过多分辨率的时间和空间信息，获取更丰富的用户时间空间序列行为规律，使得位置预测的精度更高。

技术领域

本发明涉及信息预测技术领域，具体是涉及一种基于多分辨率上下文关联的位置预测方法及系统。

背景技术

位置预测技术是指基于用户过去一段时间内的历史轨迹数据预测用户未来可能出现的位置。在智能交通、智能广告、旅游推荐、犯罪分子跟踪等领域有重要的应用价值，因此位置预测是当前大数据分析和智慧城市建设中的一个研究热点问题。

近年来，针对位置预测有大量的研究工作。这些研究工作主要可以分为三大类：基于矩阵分解的方法(比如文献(Xingyi Ren,Meina Song,E Haihong,and JundeSong.Context-aware probabilistic matrix factorization modeling for point-of-interest recommendation.Neurocomputing,241:38-5,2017.))、基于马尔科夫链的方法(比如文献(Jia-Dong Zhang,Chi-Yin Chow,and Yanhua Li.Lore:Exploitingsequential influence for location recommendations.In ACM SIGSPATIAL,pages103-12,2014.))、基于深度网络的方法(比如文献(Antonios Karatzoglou,AdrianJablonski,and Michael Beigl.A seq2seq learning approach for modeling semantictrajectories and predicting the next location.In ACM SIGSPATIAL,pages 528-31,2018.))。

但是，这些方法存在一定的限制，他们在对序列数据进行学习时，只考虑了相邻点之间的绝对时间间隔和绝对空间距离，尽管这些工作在位置预测上有一定的效果，但是用户的签到数据分布不均匀，采用绝对距离这一种分辨率只能反应用户行为的部分规律。因此，位置预测仍然是一项艰巨的任务。

发明内容

本发明的目的是为了克服现有同类算法中数据分布不均匀、精度低的问题，提供一种基于多分辨率上下文关联的位置预测方法及系统。

第一方面，本发明提供了一种基于多分辨率上下文关联的位置预测方法，包括以下步骤：

步骤S1、根据用户历史轨迹数据，获取多分辨率时间信息；

步骤S2、根据用户历史轨迹数据，获取多分辨率空间信息；

步骤S3、根据获取的多分辨率时间信息和多分辨率空间信息，获取序列的多分辨率的时间和空间上下文规律；

步骤S4、根据获取的序列的多分辨率的时间和空间上下文规律，获取位置预测信息。

根据第一方面，在第一方面的第一种可能的实现方式中，所述步骤S1之前，还包括以下步骤：

步骤S0、获取用户历史轨迹数据。

根据第一方面，在第一方面的第二种可能的实现方式中，所述步骤S1，具体包括以下步骤：

步骤S10、根据用户历史轨迹数据，获取以多级分辨率时间窗口表示的时间特征。