轨迹向量（Trajectory Embedding）的理解

名词解释

轨迹向量：英文为Trajectory Embedding，是词向量（word embedding）[1，2]的扩展领域。词向量也就是将一个词表示为固定长度的数值向量，并且可以从该嵌入向量中学习到共现字（co-occurrence of words）。

相关文献：文献[1]提出了用于下一地点推荐系统中的基于时间感知的轨迹嵌入模型，用于解决序列信息和数据稀疏问题；文献[2]使用时空语义神经网络算法预测下一个位置，具体而言，就是根据距离参数阈值将道路网络划分为多个重要的离散点，然后使用长短期记忆（LSTM）神经网络对这些序列进行建模；文献[3]证明了通过轨迹向量可以解决轨迹-用户链接问题，在将轨迹中的签入嵌入到低维空间后，可以使用LSTM学习特定用户与运动模式之间的联系， 为了学习序列信息，使用轨迹向量来对轨迹点之间的共现（co-occurrence）进行建模。

相关定义

原始轨迹、映射轨迹、异常轨迹检测

 

【1】Zhao, W.X., Zhou, N., Sun, A., Wen, J.R., Han, J., Chang, E.Y.: A time-aware trajectory embedding model for next-location recommendation. Knowledge and Information Systems pp. 1–21 (2017)

【2】Wu, F., Fu, K., Wang, Y., Xiao, Z., Fu, X.: A spatial-temporal-semantic neural network algorithm for location prediction on moving objects. Algorithms 10(2), 37 (2017)

【3】Gao, Q., Zhou, F., Zhang, K., Trajcevski, G., Luo, X., Zhang, F.: Identifying human mobility via trajectory embeddings. In: Proceedings of the 26th International Joint Conference on Artificial Intelligence. pp. 1689–1695. AAAI Press (2017)

 

参考

《Anomalous Trajectory Detection using Recurrent Neural Network》

《基于时间感知的地点推荐算法》