DPLink:User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data

這篇文章要解決的問題是從不同結(jié)構(gòu)的軌跡數(shù)據(jù)中找到相同的用戶姆另。（同一個人在不同平臺都會產(chǎn)生數(shù)據(jù)，要根據(jù)不同平臺上獲得的數(shù)據(jù)來推斷這是不是屬于同一個人）

三大貢獻(xiàn)：

1. 在構(gòu)建embedding的地方使用了多模態(tài)的方式構(gòu)建坟乾，有位置迹辐、時間、POI等輔助信息可以融合

2. 在Recurrent Encoder中甚侣，對中間隱層進(jìn)行了pooling操作明吩，使得序列數(shù)據(jù)embed到定長的向量中（針對每一維度，在所有時序數(shù)據(jù)的隱層中取最大）

3. co-attention selector殷费，A,B軌跡對印荔，將A的時序隱層表示 $h_1->h_t$ 與B的軌跡RNN表示（第二點中得到）做attention操作；同時详羡，將B的時序隱層表示 $h_1->h_t$ 表示與A的軌跡RNN表示做attention操作仍律。獲得A、B軌跡間的關(guān)聯(lián)程度实柠。

4.在單一數(shù)據(jù)集上先進(jìn)行同一用戶相近軌跡學(xué)習(xí)的預(yù)訓(xùn)練方法值得學(xué)習(xí)水泉。

文章的不足：

1. 沒有預(yù)訓(xùn)練，模型的效果就變得很差

2. 使用dot attention會不會過于簡單窒盐？

3. 由于數(shù)據(jù)集限制草则，并未考慮到文本信息的嵌入（在結(jié)論中，作者提出的Future work）

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者

人面猴
序言：七十年代末蟹漓，一起剝皮案震驚了整個濱河市炕横，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌葡粒，老刑警劉巖份殿，帶你破解...
沈念sama閱讀 218,284評論 6贊 506
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場離奇詭異嗽交，居然都是意外死亡卿嘲，警方通過查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 93,115評論 3贊 395
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門轮纫，熙熙樓的掌柜王于貴愁眉苦臉地迎上來腔寡，“玉大人，你說我怎么就攤上這事掌唾》徘埃” “怎么了忿磅？”我有些...
開封第一講書人閱讀 164,614評論 0贊 354
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵，是天一觀的道長凭语。經(jīng)常有香客問我葱她，道長，這世上最難降的妖魔是什么似扔？我笑而不...
開封第一講書人閱讀 58,671評論 1贊 293
?港島之戀（遺憾婚禮）
正文為了忘掉前任吨些，我火速辦了婚禮，結(jié)果婚禮上炒辉，老公的妹妹穿的比我還像新娘豪墅。我一直安慰自己，他們只是感情好黔寇，可當(dāng)我...
茶點故事閱讀 67,699評論 6贊 392
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布偶器。她就那樣靜靜地躺著，像睡著了一般缝裤。火紅的嫁衣襯著肌膚如雪屏轰。梳的紋絲不亂的頭發(fā)上，一...
開封第一講書人閱讀 51,562評論 1贊 305
城市分裂傳說
那天憋飞，我揣著相機(jī)與錄音霎苗，去河邊找鬼。笑死榛做，一個胖子當(dāng)著我的面吹牛唁盏，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播瘤睹，決...
沈念sama閱讀 40,309評論 3贊 418
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼升敲，長吁一口氣：“原來是場噩夢啊……” “哼答倡！你這毒婦竟也來了轰传？” 一聲冷哼從身側(cè)響起，我...
開封第一講書人閱讀 39,223評論 0贊 276
萬榮殺人案實錄
序言：老撾萬榮一對情侶失蹤瘪撇，失蹤者是張志新（化名）和其女友劉穎获茬，沒想到半個月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體倔既，經(jīng)...
沈念sama閱讀 45,668評論 1贊 314
?護(hù)林員之死
正文獨居荒郊野嶺守林人離奇死亡恕曲，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點故事閱讀 37,859評論 3贊 336
?白月光啟示錄
正文我和宋清朗相戀三年，在試婚紗的時候發(fā)現(xiàn)自己被綠了渤涌。大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片佩谣。...
茶點故事閱讀 39,981評論 1贊 348
活死人
序言：一個原本活蹦亂跳的男人離奇死亡，死狀恐怖实蓬，靈堂內(nèi)的尸體忽然破棺而出茸俭，到底是詐尸還是另有隱情吊履，我是刑警寧澤，帶...
沈念sama閱讀 35,705評論 5贊 347
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布调鬓，位于F島的核電站艇炎，受9級特大地震影響，放射性物質(zhì)發(fā)生泄漏腾窝。R本人自食惡果不足惜缀踪，卻給世界環(huán)境...
茶點故事閱讀 41,310評論 3贊 330
男人毒藥：我在死后第九天來索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望虹脯。院中可真熱鬧驴娃，春花似錦、人聲如沸循集。這莊子的主人今日做“春日...
開封第一講書人閱讀 31,904評論 0贊 22
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽暇榴。三九已至厚棵，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間蔼紧，已是汗流浹背婆硬。一陣腳步聲響...
開封第一講書人閱讀 33,023評論 1贊 270
情欲美人皮
我被黑心中介騙來泰國打工，沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留奸例，地道東北人彬犯。一個月前我還...
沈念sama閱讀 48,146評論 3贊 370
代替公主和親
正文我出身青樓，卻偏偏與公主長得像查吊，于是被迫代替她去往敵國和親谐区。傳聞我的和親對象是個殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點故事閱讀 44,933評論 2贊 355

DPLink:User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data

這篇文章要解決的問題是從不同結(jié)構(gòu)的軌跡數(shù)據(jù)中找到相同的用戶姆另。（同一個人在不同平臺都會產(chǎn)生數(shù)據(jù)，要根據(jù)不同平臺上獲得的數(shù)據(jù)來推斷這是不是屬于同一個人）

三大貢獻(xiàn)：

1. 在構(gòu)建embedding的地方使用了多模態(tài)的方式構(gòu)建坟乾，有位置迹辐、時間、POI等輔助信息可以融合

2. 在Recurrent Encoder中甚侣，對中間隱層進(jìn)行了pooling操作明吩，使得序列數(shù)據(jù)embed到定長的向量中（針對每一維度，在所有時序數(shù)據(jù)的隱層中取最大）

4.在單一數(shù)據(jù)集上先進(jìn)行同一用戶相近軌跡學(xué)習(xí)的預(yù)訓(xùn)練方法值得學(xué)習(xí)水泉。

文章的不足：

1. 沒有預(yù)訓(xùn)練，模型的效果就變得很差

2. 使用dot attention會不會過于簡單窒盐？

3. 由于數(shù)據(jù)集限制草则，并未考慮到文本信息的嵌入（在結(jié)論中，作者提出的Future work）

推薦閱讀更多精彩內(nèi)容