基于可拓展自注意力時(shí)空?qǐng)D卷積神經(jīng)網(wǎng)絡(luò)的用戶軌跡識(shí)別模型

摘要： 用戶軌跡識(shí)別作為一項(xiàng)重要的時(shí)空數(shù)據(jù)挖掘任務(wù)，廣泛應(yīng)用于基于位置的個(gè)性化服務(wù)推薦、行程規(guī)劃、犯罪行為檢測(cè)和目標(biāo)跟蹤等領(lǐng)域，但依然面臨預(yù)測(cè)精度不高的問(wèn)題，主要原因是軌跡數(shù)據(jù)低采樣且稀疏、軌跡類別數(shù)量巨大等.針對(duì)上述問(wèn)題提出了基于可拓展自注意力時(shí)空?qǐng)D卷積神經(jīng)網(wǎng)絡(luò)的用戶軌跡識(shí)別模型（Expandable Self-Attention Spatio-Temporal Graph Conv... （共10頁(yè)）