×
高崇明；张忠；黄，陈；尹洪志；杨，秦丽；邵俊明

通过分层嵌入实现语义轨迹的表示和检索。 （英语） Zbl 1474.68345号

信息科学。 538, 176-192 (2020).
摘要：轨迹挖掘由于其新兴的应用，如基于位置的服务、城市计算和运动行为分析，受到了越来越多的关注。一项关键且基本的挖掘任务是检索满足特定模式的特定位置或轨迹。然而，现有的方法主要将轨迹表示为地理和时间特征的集合，因此很少考虑潜在的语义属性。本文介绍了一种新的语义轨迹表示方法，该方法考虑了轨迹结构、时间信息和领域知识，使高效的语义检索成为可能。具体来说，我们首先引入了一个基于同步的模型来识别多分辨率感兴趣区域（ROI），以从无序的原始轨迹中提取结构。然后，我们提出了一个分层嵌入模型，通过考虑多种语义相似性，将ROI和轨迹作为连续向量嵌入到分层ROI网络中。因此，用户可以通过计算嵌入向量之间的相似性来轻松检索所需的ROI或轨迹。实验表明，在检索可解释的ROI和轨迹方面，我们的方法优于经典的基于轨迹度量的模型和最新的深度网络嵌入模型。

MSC公司：

68立方英尺 知识表示
62小时30分 分类和区分；聚类分析（统计方面）
68第20页 信息存储和数据检索

关键词：

轨迹表示；群集；语义嵌入；语义检索

软件：

DeepWalk公司；单词2vec；metatah2vec；节点2vec；线路；RecQ公司
PDF格式BibTeX公司 XML格式引用
\textit{C.Gao}等人，《信息科学》。538176-192（2020年；Zbl 1474.68345）
全文： DOI程序

参考文献：

[1] J.D.Mazimpaka，S.Timpf，《轨迹数据挖掘：方法和应用综述》，2016年第13卷，第61-99页，doi:10.5311/JOSIS.2016.13.263，URL:https://doi.org/10.5311/JOSIS.2016.13.263。
[2] 波哥尔尼，V。；Kuijpers，B。；Alvares，L.O.，ST-DMQL:语义轨迹数据挖掘查询语言，国际期刊Geogr。信息科学。，23、10、1245-1276（2009），网址：http://www.informaworld.com/smpp/content
[3] 袁，N.J。；郑毅。；张，L。；Xie，X.，T-finder：寻找乘客和空置出租车的推荐系统，IEEE Trans。知识。数据工程，2390-2403（25（10），2013，），网址：https://doi.org/10.109/TKDE.2012.153
[4] Anagostopoulos，A。；阿塔西，R。；Becchetti，L。；Fazzone，A。；Silvestri，F.，团体巡回推荐，Data Min.Knowl。发现。，31,1515188（2017），网址：https://doi.org/10.1007/s10618-016-0477-7 ·Zbl 1411.90287号
[5] J.-G.Lee，J.Han，K.-Y.Whang，《轨迹聚类：一个分区和组框架》，载于：2007年ACM SIGMOD国际数据管理会议论文集，2007年，美国纽约州纽约市ACM，2007，第593-604页，doi:10.1145/1247480.1247546。网址：http://doi.acm.org/10.1145/1247480.1247546。
[6] W.C.Lee，J.Krumm，in：《空间轨迹计算》，2011年，第3-33页，doi:10.1007/978-1-4614-1629-6_1，网址：https://link.springer.com/chapter/10.1007网址
[7] Annoni，R。；Forster，C.H.Q.，《使用傅里叶描述符和核密度估计分析飞机轨迹》，（2012年第15届国际IEEE智能运输系统会议（2012年）），1441-1446，URL:https://ieeexplore.iee.org/document/6338863
[8] 阿尔达卡尼，印度。；Hashimoto，K.，使用递归神经网络编码鸟的轨迹，2017年IEEE机电一体化和自动化国际会议（ICMA），1644-1649（2017）
[9] B.-K.Yi，H.V.Jagadish，C.Faloutsos，时间扭曲下相似时间序列的有效检索，载于：第十四届国际数据工程会议论文集，ICDE'98，IEEE计算机学会，美国华盛顿特区，1998年，pp.201-208网址：http://dl.acm.org/citation.cfm？id=645483.653609。
[10] M.Vlachos，D.Gunopoulos，G.Kollios，《发现相似的多维轨迹》，载于《第18届国际数据工程会议论文集》，ICDE'02，IEEE计算机学会，美国华盛顿特区，2002年，第673-684页，URL:http://dl.acm.org/citation.cfm？id=876875.878994。
[11] L.Chen，M.T.Øzsu，V.Oria，运动物体轨迹的鲁棒快速相似搜索，摘自：2005年ACM SIGMOD国际数据管理会议论文集，SIGMOD'05，美国纽约州纽约市ACM，2005年，第491-502页，doi:10.1145/1066157.1066213，URL:http://doi.acm.org/10.1145/1066157.1066213。
[12] T.Eiter，H.Mannila，《计算离散fréchet距离》，技术代表，1994年。
[13] Q.Li，Y.Zheng，X.Xie，Y.Chen，W.Liu，W.Y.Ma，基于位置历史的用户相似性挖掘，摘自：第16届ACM SIGSPATIAL国际地理信息系统进展会议论文集，GIS’08，ACM，美国纽约州纽约市，2008年，第34:1-34:10页，doi:10.1145/1463434.1463477，URL:http://doi.acm.org/10.1145/1463434.1463477。
[14] Z.Li，B.Ding，J.Han，R.Kays，P.Nye，挖掘移动对象的周期行为，摘自：第16届ACM SIGKDD国际知识发现和数据挖掘会议论文集，KDD’10，ACM，美国纽约州纽约市，2010年，第1099-1108页，doi:10.1145/1835804.1835942。网址：http://doi.acm.org/10.1145/1835804.1835942。
[15] Y.Zheng，L.Liu，L.Wang，X.Xie，从原始gps数据学习运输模式以用于网络地理应用，收录于：第17届万维网国际会议论文集，WWW’08，美国纽约州纽约市ACM，2008年，第247-256页，doi:10.1145/1367497.1367532，URL:http://doi.acm.org/10.1145/1367497.1367532
[16] G.Kellaris，N.Pelekis，Y.Theodoridis，网络约束下的轨迹压缩，收录于：第十一届国际时空数据库进展研讨会论文集，SSTD'09，Springer-Verlag，柏林，海德堡，2009，第392-398页，doi:10.1007/978-3642-02982-0_27，URL:https://doi.org/10.1007/978-3-642-02982-0_27。
[17] 宋，R。；Sun，W。；郑，B。；Zheng，Y.，Press:《道路网络中轨迹压缩的新框架》，Proc。荷兰VLDB。，7、9、661-672（2014），网址https://doi.org/10.14778/2732939.2732940
[18] M.Gariel，A.N.Srivastava，E.Feron，《轨迹聚类和空域监测应用》，载于：《智能交通系统交易》，2011年第12卷，第1511-1524页，doi:10.1109/TITS.2011.2160628，URL:https://ieeexplore.ieee.org/abstract/document/5959983/。
[19] Q.Gao，F.Zhou，K.Zhang，G.Trajcevski，X.Luo，F.Zhang《通过轨迹嵌入识别人类移动性》，载于：《第26届国际人工智能联合会议论文集》，IJCAI’17，AAAI出版社，2017年，第1689-1695页，URL:http://dl.acm.org/citation.cfm？id=3172077.3172122。
[20] R.Agrawal，C.Faloutsos，A.N.Swami，《序列数据库中的高效相似性搜索》，摘自：《第四届国际数据组织和算法基础会议论文集》，FODO’93，Springer-Verlag，柏林，海德堡，1993年，第69-84页，URL:http://dl.acm.org/citation.cfm？id=645415.652239。
[21] Pfoser，D。；Jensen，C.S。；Theodoridis，Y.，移动对象轨迹查询处理的新方法，（第26届超大数据库国际会议论文集，VLDB’00（2000），Morgan Kaufmann Publishers Inc.：Morgan Koufmann-Publishers Inc.San Francisco，CA，USA），395-406
[22] M.A.Nascimento，J.R.O.Silva，《走向历史R-trees》，摘自：1998年ACM应用计算研讨会论文集，SAC’98，ACM，美国纽约州纽约市，1998年，第235-240页，doi:10.1145/33050.330692，URL:http://doi.acm.org/10.1145/330560.330692。
[23] V.P.Chakka，A.Everspaugh，J.M.Patel，用SETI索引大型轨迹数据集，收录于：CIDR 2003，第一届创新数据系统研究两年一度会议，2003年1月5日至8日，美国加利福尼亚州阿西洛马，在线会议，2003，URL:http://www-db.cs.wisc.edu/cidr/cidr2003/program/p15.pdf。
[24] Y.本吉奥。；杜恰姆，R。；文森特，P。；Janvin，C.，神经概率语言模型，J.Mach。学习。Res.，31137-1155（2003），网址：http://dl.acm.org/citation.cfm？id=944919.944966 ·Zbl 1061.68157号
[25] T.Mikolov，I.Sutskever，K.Chen，G.Corrado，J.Dean，单词和短语的分布式表示及其组合，收录于：《第26届神经信息处理系统国际会议论文集》，第2卷，NIPS’13，Curran Associates Inc.，美国，2013年，第3111-3119页，网址：http://dl.acm.org/citation.cfm？id=2999792.2999959。
[26] J.米切尔。；Lapata，M.，语义分布模型中的组合，认知。科学。，34、8、1388-1429（2010），网址：https://doi.org/10.1111/j.151-6709.2010.01106.x
[27] M.Iyyer，V.Manjunatha，J.L.Boyd-Graber，H.D.III，深度无序合成与文本分类的句法方法相竞争，in：《计算语言学协会第53届年会和亚洲自然语言处理联合会第七届国际自然语言处理联席会议记录》，ACL 2015，2015年7月26日至31日，中国北京，《长篇论文》，2015年第1卷，第1681-1691页，URL:https://www.aclweb.org/选集/P15-1162/。
[28] N.Kalchbrenner、E.Grefenstette、P.Blunsom，句子建模的卷积神经网络，摘自：计算语言学协会第52届年会会议记录，ACL 2014年6月22日至27日，美国马里兰州巴尔的摩，《长篇论文》，2014年第1卷，第655-665页，URL:https://www.aclweb.org/antology/P14-1062/。
[29] K.S.Tai，R.Socher，C.D.Manning，改进树结构长短期记忆网络的语义表征，载于：计算语言学协会第53届年会和亚洲自然语言处理联合会第七届国际自然语言处理联席会议论文集，ACL 2015，2015年7月26日至31日，中国北京，《长篇论文》，2015年第1卷，第1556-1566页，网址：https://www.aclweb.org/antology/P15-1150/。
[30] Perozzi，B。；Al-Rfou，R。；Skiena，S.，《Deepwalk：社会表征的在线学习》，（第20届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’14（2014），计算机械协会：美国纽约州纽约市计算机械协会），701-710
[31] T.Mikolov，K.Chen，G.Corrado，J.Dean，向量空间中单词表示的有效估计，收录于：arXiv预印本arXiv:1301.37812013。
[32] J.Tang，M.Qu，M.Wang，M..Zhang，J.Yan，Q.Mei，Line:Large-scale information network embedding，in：Proceedings of the 24th International Conference on World Wide Web，WWW'15，International World Web Conferences Steering Committee，Republic and Canton of Geneva，CHE，2015，p.1067-1077，doi:10.1145/2736277.2741093。
[33] 格罗弗，A。；Leskovec，J.，Node2vec：网络的可扩展特征学习，（第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’16（2016），计算机械协会：美国纽约州纽约市计算机械协会），855-864，URL:https://doi.org/10.1145/2939672.29339754
[34] 尹，H。；邹，L。；Nguyen，Q.V.H。；黄，Z。；周，X.，基于事件的社交网络中的联合事件伙伴建议，（2018 IEEE第34届国际数据工程会议（ICDE）（2018）），929-940
[35] Y.Dong，N.V.Chawla，A.Swami，《Metapath2vec：异构网络的可伸缩表示学习》，载于：《第23届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，KDD’17，ACM，美国纽约州纽约市，2017年，第135-144页，doi:10.1145/3097983.3098036，URL:http://doi.acm.org/10.1145/3097983.3098036。
[36] J.Yu，M.Gao，J.Li，H.Yin，H.Liu，基于异质网络的自适应隐式好友识别用于社会推荐，载于：第27届ACM信息与知识管理国际会议论文集，CIKM’18，ACM，纽约，纽约，美国，2018年，第357-366页，doi:10.1145/3269206.3271725，URL:http://doi.acm.org/10.1145/3269206.3271725。
[37] C.Böhm，C.Plant，J.Shao，Q.Yang，同步聚类，收录于：KDD’10，ACM，纽约，纽约，美国，2010年，第583-592页，doi:10.1145/1835804.1835879，URL:http://doi.acm.org/10.1145/1835804.1835879。
[38] J.Shao，X.He，C.Bohm，Q.Yang，C.Plant，同步启发分区和层次聚类，IEEE Trans。知识。Data Eng.25（4）（2013）893-905，doi:10.1109/TKDE.2012.32，网址：https://doi.org/10.109/TKDE.2012.32。
[39] C.S.Kim，C.S.Bae，H.J.Tcha，用于从细胞周期表达数据中识别有趣基因组的相位同步聚类算法，第9卷，2008年，doi:10.1186/1471-2105-9-56。
[40] P.Seliger，S.C.Young，L.S.Tsimring，耦合相位振荡器网络中的可塑性和学习，第65卷，2002年，第041906页·Zbl 1244.34078号
[41] J.Shao，Z.Han，Q.Yang，T.Zhou，基于距离动力学的社区检测，摘自：第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’15，ACM，纽约，纽约，美国，2015年，第1075-1084页，doi:10.1145/2783258.2783301，URL:http://doi.acm.org/10.1145/2783258.2783301。
[42] J.Shao，C.Gao，W.Zeng，J.Song，Q.Yang，同步激励联合聚类及其在基因表达数据中的应用，载于：2017 IEEE国际数据挖掘会议，2017年ICDM，2017年11月18日至21日，美国路易斯安那州新奥尔良，2017年，第1075-1080页，doi:10.1109/ICDM.2017.141。
[43] Z.Zhang，D.Kang，C.Gao，J.Shao，《半同步：通过同步实现半监督集群》，载于：《高级应用数据库系统国际会议》，施普林格，2019年，第358-362页，doi:10.1007/978-3-030-18590-9_45，URL:https://doi.org/10.1007/978-3-030-18590-9_45。
[44] 高，C。；Zhao，Y。；Wu，R。；杨琼。；Shao，J.，通过基于多分辨率同步的聚类进行语义轨迹压缩，Knowl-基于系统。，174177-193（2019），网址：https://doi.org/10.1016/j.knosys.2019.03.006
[45] W.Blacoe，M.Lapata，《语义合成中基于向量的表示的比较》，摘自：《2012年自然语言处理和计算自然语言学习经验方法联合会议论文集》，EMNLP-CoNLL’12，计算语言学协会，宾夕法尼亚州斯特鲁兹堡，2012年，第546-556页，URL:http://dl.acm.org/citation.cfm？id=2390948.2391011。
[46] J.Wieting，M.Bansal，K.Gimpel，K.Livescu，《走向普遍的转述句子嵌入》，载于：第四届学习表征国际会议，ICLR 2016，波多黎各圣胡安，2016年5月2日至4日，会议记录，2016，网址：http://arxiv.org/abs/1511.08198。
[47] 卡夫拉基，L.E。；Svestka，P。；Latombe，J。；Overmars，M.H.，高维配置空间中路径规划的概率路线图，IEEE Trans。机器人。自动化。，12、4、566-580（1996），网址：https://doi.org/10.109/70.508439
[48] Y.Zheng，L.Zhang，X.Xie，W.Y.Ma，从gps轨迹挖掘有趣的位置和旅行序列，收录于：第18届万维网国际会议论文集，WWW’09，美国纽约州纽约市ACM，2009年，第791-800页，doi:10.1145/1526709.1526816，URL:http://doi.acm.org/10.1145/1526709.1526816。
[49] J.Yuan，Y.Zheng，C.Zhang，W.Xie，Xie，G.Sun，Y.Huang，T-drive:基于出租车轨迹的驾驶方向，收录于：第18届SIGSPATIAL国际地理信息系统进展会议论文集，GIS’10，ACM，美国纽约州纽约市，2010年，第99-108页，doi:10.1145/1869790.1869807，URL:http://doi.acm.org/10.1145/1869790.1869807。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。