- 博客(19)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 Unique in the Crowd The privacy bounds of human mobility
摘要部分作者研究了 150 万人的 15 个月的人员流动数据，发现人员流动痕迹非常独特。作者的主要发现是四个时空点就可以识别95%的人，并且粗略的数据集也无法有效地保障用户的隐私性。
2023-04-28 16:30:33
248
翻译 A Graph-based Approach for Trajectory Similarity Computation in Spatial Networks论文阅读
轨迹相似度计算是许多空间数据分析应用中的基本操作。在本文中，我们研究了空间网络上的轨迹相似度计算问题，其中对象之间的真实距离由网络距离反映。在空间网络上与以往学习轨迹在欧几里得空间中表示的研究不同，它不仅需要捕捉轨迹的序列信息，还需要捕捉空间网络的结构。为此，我们提出了 GTS，这是一个全新的框架，可以共同学习这两个因素，从而准确地计算相似度。它首先学习道路网络中每个兴趣点 (POI) 的表示以及轨迹信息。实现概况：通过在空间网络上的随机游走中结合 POI 和轨迹之间的距离以及损失函数来实现。
2023-04-21 20:59:18
979
1
原创 Multi-task Adversarial Learning for Semi-supervised Trajectory-User Linking
现有方法通常将 TUL 视为一个监督学习问题，需要大量标记的轨迹-用户对。然而，在实际场景中，由于数据隐私问题，用户可能不愿意公开他们的身份，从而导致标记轨迹用户对的稀缺。此外，轨迹数据通常是稀疏的，因为用户在去 POI 时并不总是签到。（1）标记的轨迹-用户对缺失（2）轨迹的签到点稀疏。然后作者提出了一个半监督学习框架。分为两个部分，第一部分是seq2seq部分，由编码器和解码器组成，主要用于完成轨迹补全。第二部分是体现半监督性质的对抗学习模块，由生成器和辨别器组成，主要用于完成用户与他生成的轨迹对应。
2023-04-10 19:58:18
658
原创 Mutual Distillation Learning Network for Trajectory-User Linking
TUL问题的一个蒸馏学习解决方法。
2023-03-29 20:43:04
441
原创 A Semi-Supervised Framework for Trajectory-User Linking
S2TULS^2TULS2TUL由五个部分组成：1.轨迹级别的图构建模块。2.轨迹相关性建模模块。3.位置级别的顺序建模模块。4.分类层。5.一个测试用的贪心用户轨迹重连接模块。然后大概阐述了框架的原来。读完后我有三个问题：1.什么是将离散特征转为隐藏表征。2.什么是细粒度的轨迹内信息。3.什么是时间跨度重叠约束。解释：1.从轨迹级图构建出来时节点是离散的，通过RGCN将离散的节点表示映射到隐藏空间表示。
2023-03-23 15:36:17
395
原创 Trajectory-User Linking via Graph Neural Network
这篇文章发表于2021年的ICC 2021，电子科技大学。收获：1.通过应用GNN解决TUL问题。2.采取的网络结构是通过GNN网络提取embedding，然后传入分类 器中进行分类。分类器采用BiLSTM提取双向时序特征，最后放入 多层感知机进行分类。3.作者关注了更多签到点的特征信息，比如时间因素，地理位置因 素，用户访问偏好，天气因素绝对也是原因之一。
2023-03-20 10:54:22
536
翻译 Trajectory-User Linking Is Easier Than You Think
Trajectory-User Linking (TUL) 是一项相对较新的移动分类任务，其中将匿名轨迹链接到生成它们的用户。随着从个性化推荐到犯罪活动检测的应用，TUL 在过去五年中受到越来越多的关注。虽然研究主要集中在学习捕获个人用户独有的复杂时空移动模式的深度表示，但我们证明访问模式在用户之间是高度独特的，因此直接应用于原始数据的简单启发式方法足以解决 TUL。更具体地说，我们证明了每个轨迹的一次签到足以在高达 85% 的时间内正确预测用户的身份。
2023-03-12 11:46:52
592
1
原创 pthon 字符串比较法则
原来python中的string比较的不是字符串长度大小，而是比较使用的字典序，而不是单纯的长度比较。和c语言中的ASCII比较相似。因为：'s' > 'f' > 'a' 第一个字符比较完大小就不比较后续字符了，所以'abcd'最小，'sbc'最大。如果是 'fly' & 'flypod' 谁先结束谁最小，故前者小于后者。今天在写代码时发现了字符串比较的问题，python在字符串比较中暗藏玄机。c语言中字符串比较会看ascii码的大小。这就奇了怪了，是什么原因呢？
2022-08-20 11:50:18
896
原创 机器学习-周志华-学习记录-第二章模型评估与选择
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、经验误差与过拟合二、评估方法1.留出法2.交叉验证法3.自助法4.调参与最终模型总结一、经验误差与过拟合错误率（error rate） 分类错误的样本数占样本总数的比例。即，如果在mmm个样本中有aaa个样本分类错误，则错误率E=a/mE=a/mE=a/m。精度（accuracy） 精度=1−-− 错误率。误差（error） 学习器（模型）的实际预测输出与样本的真实输出之间的差异。训练误差（training er.
2022-05-28 20:15:26
746
原创 机器学习-周志华-学习记录-第一章绪论
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、什么是机器学习二、基本术语三、假设空间四、归纳偏好总结前言提示：这里可以添加本文要记录的大概内容：为了更早地适应研究生的生活，我决定重新学习周志华老师的机器学习这本书。同时也为了能够养成博客记录的习惯，我开始尝试着写博客记录学习中的问题。提示：以下是本篇文章正文内容，下面案例可供参考一、什么是机器学习机器学习是在计算机上，从数据中产生“学习算法”，然后通过该算法产生模型。基于该模型提供相应的判断的过程。二.
2022-05-20 21:03:29
472
空空如也
pytorch配置问题
2022-11-07
关于神经网络反向传播中的误差计算
2022-10-25
想请教有关Latex输出公式的问题
2022-10-11
有关torch.load()的问题
2022-04-12
有关深度学习去雨的问题
2022-04-12
TA创建的收藏夹 TA关注的收藏夹
TA关注的人