喜报 | 我所一篇论文被计算机领域顶级期刊TKDE录用

发布时间：2021年2月22日

      近日，我所一篇题为Pre-training Time-Aware Location Embeddings from Spatial-Temporal Trajectories的论文被CCF A类期刊IEEE Transactions on Knowledge and Data Engineering（TKDE）正式录用。该论文由林友芳老师指导，万怀宇老师和博士生林彦合作完成。

      该论文以基于时空轨迹数据的地点嵌入表示预训练为研究目标。在时空轨迹数据中，用户对地点的访问时间偏好可以反映地点的功能性特征，然而现有的地点嵌入表示预训练模型均未能将这方面的时间信息融入到地点嵌入中。

      针对此问题，论文认为用户对地点的访问时间偏好可以用访问时间的分布来体现，从而设计了一种时间敏感的地点嵌入表示预训练模型，通过特殊设计的哈夫曼树结构，将地点间访问时间分布的相关性融入地点嵌入向量中。

       本文的主要贡献总结如下：

          1）提出了一种时间敏感的地点嵌入表示预训练模型，能够基于用户产生的移动轨迹为地点学习分布式嵌入向量，并将轨迹数据中的时间信息融入向量中，进一步提升嵌入质量。

          2）提出了一种全新的哈夫曼树结构，分为上下两层：上层为一棵单层多叉树，每个叶子节点对应一个时间段；下层为多颗以上层叶子节点为根节点的哈夫曼树，依据各地点的访问频率构建。

          3）将地点嵌入表示预训练模型应用在三种基于位置的数据挖掘下游任务中，并在三个用户签到数据集和一个手机信令数据集上验证了所提出的地点嵌入表示模型的优势。

          4）从参数更新的角度，对论文提出的嵌入表示模型进行了理论分析，并对一些样本地点的嵌入向量进行了可视化，进一步证明了论文提出的嵌入表示模型的有效性。