计算机工程与科学

作者：侯萱, 梁志贞, 张磊, 刘佰龙, 张雪飞

单位：（1.中国矿业大学矿山数字化教育部工程研究中心，江苏 徐州 221116；2.中国矿业大学计算机科学与技术学院，江苏 徐州 221116；3.江苏恒旺数字科技有限责任公司，江苏 苏州 215000）

关键词：轨迹用户链接,上下文全局空间图,多周期移动规律,图神经网络,Transformer,

基金：中国矿业大学建设双一级专项资金（18ZZCX14）

轨迹用户链接TUL是指判定目标轨迹所属用户，已成为一项重要的轨迹数据挖掘任务。尽管基于深度学习的模型在TUL研究中取得显著进展，但现有模型主要关注单个轨迹点的基本时空特征，忽略全局位置空间相关性、上下文信息和用户的多周期移动规律，导致TUL结果准确度不高。提出了一种基于上下文全局空间图的轨迹用户链接模型CGSG-TUL。在位置嵌入方面，根据历史轨迹构建上下文全局空间图，融入所有位置的邻近关系和类别等上下文信息，对位置的空间相关性有效建模。在时间编码方面，根据不同时间尺度对签入的时间戳进行编码，捕获用户的多周期移动规律。在Foursquare-NYK和Foursquare-TKY这两个真实数据集上的实验结果表明，CGSG-TUL性能比目前最好的基准模型GNNTUL的ACC@1和Marco-F1分别平均提高2.50%和2.72%。

来源：2025年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第2期