文献

J-GLOBAL ID：202002286661851278   整理番号：20A2031440

注意畳込みネットワークを介した人間モビリティの予測【JST・京大機械翻訳】

Predicting Human Mobility via Attentive Convolutional Network

著者 (4件)： Miao Congcong (Tsinghua University & Beijing National Research Center for Information Science and Technology, Beijing, China) ,  Luo Ziyan (Tsinghua University, Beijing, China) ,  Zeng Fengzhu (Tsinghua University, Beijing, China) ,  Wang Jilong (Tsinghua University & Beijing National Research Center for Information Science and Technology, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’20  ページ： 438-446  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 人間移動性の予測は,スマート都市計画から個人化推薦システムまでの様々なアプリケーションのための重要な軌道マイニングタスクである。ほとんどの以前の研究はGPS追跡データを人間の移動性をモデル化するために採用しているが,最近の高速成長ジオタグソーシャルメディア(GTSM)データはこのタスクに新しい機会をもたらす。しかし,GTSMデータに関する人間の移動性の予測は,3つの課題のために自明ではない。1)極端なデータスパース性;2)人間の移動性の高次の逐次パターンおよび3)タグ付けのためのユーザの進化選好性。本論文では,スパースで複雑なGTSMデータから人間の移動性を予測するための意図的畳込みネットワークモデルであるACNを提案した。ACNでは,まず,人間の移動性を支配する鍵特徴(即ち,空間,時間,およびユーザ特徴)を一緒に埋め込む多次元埋込み層を設計した。次に,埋込み軌道を”画像”として,畳み込みフィルタを用いて画像の局所特徴として短期逐次パターンを学習する。従来のフィルタを使用する代わりに,長い軌道から高次の逐次パターンを効果的に捉えるために,ハイブリッド拡張および分離可能畳込みフィルタを設計した。さらに,モバイル予測のために畳み込みネットワークを増強するためにユーザ長期選好を学習する注意機構を提案した。著者らのモデルの有効性を評価するために,3つの公的に利用可能なGTSMデータセットに関する広範な実験を行った。結果は,ACNが,種々の一般的評価計量に関する既存の最先端の移動性予測アプローチを一貫して凌駕することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *移動度 ,  *畳込み ,  フィルタ ,  *ネットワーク ,  都市計画 ,  嗜好性 ,  応用プログラム ,  高次元 ,  有効性 ,  GPS ,  携帯電話
準シソーラス用語： スパース性 ,  ネットワークモデル ,  移動性 ,  タグ付 , 【Automatic Indexing@JST】

著者キーワード (3件)： 注意機構 ,  畳込みニューラルネットワーク ,  人間のモビリティ予測

分類 (2件)： 移動通信  (ND08030H) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 注意 ,  畳込み ,  人間 ,  モビリティ ,  予測