文献

J-GLOBAL ID：201702283147305822   整理番号：17A1346169

GALLOP:異なるチェックインシナリオのためのGlobAL特徴縮合LOcation予測【Powered by NICT】

GALLOP: GlobAL Feature Fused LOcation Prediction for Different Check-in Scenarios

著者 (4件)： Han Yuxing (East China Normal University, Shanghai, P.R. China) ,  Yao Junjie (East China Normal University, Shanghai, P.R. China) ,  Lin Xuemin (East China Normal University, Shanghai, P.R. China) ,  Wang Liping (East China Normal University, Shanghai, P.R. China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 9  ページ： 1874-1887  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 位置予測は,ユーザの次の場所を予測彼/彼女の移動度検層に基づき,訪問すべきに広く用いられている。位置データ処理における本質的な問題,監視,ビジネスおよびパーソナル応用にとって貴重である。チェックインデータのスパース性問題のために非常に挑戦的である。最近の研究でしばしば無視さ問題は,異なるチェックインシナリオを通して品種より位置チェックイン応用の利用可能性の増加のために,より緊急になってきている。本論文では,新しい特徴融合に基づいた予測法,GALLOP,すなわち,異なるチェックインシナリオのためのGlobAL特徴融合LOcation予測を提案した。注意深く設計した特徴抽出法に基づいて,新しい複合予測フレームワークを利用した。具体的には,地理的特徴,即ち,コンテキスト情報,協調的情報を抽出するための因子分解法及びユーザ時間チェックイン配列の位置遷移パターン,すなわち,コンテンツ情報を抽出するためのグラフ構造をプロファイルするための密度推定モデルを利用した。三種類のチェックインデータセットに関する経験的研究は,提案した手法の優れたロバスト性と改善を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  特徴抽出 ,  移動度 ,  コンテンツ ,  検層 ,  *予測 ,  データ処理 ,  予測技法
準シソーラス用語： 推定モデル ,  グラフ構造 ,  因子分解 ,  コンテキスト情報 ,  特徴融合 ,  スパース性 ,  位置予測 , 【Automatic Indexing@JST】

分類 (1件)： データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： シナリオ ,  縮合 ,  予測