%0 Journal Article %A 许芳芳 %A 杨俊杰 %A 刘宏志 %T 基于ST-LSTM网络的位置预测模型 %D 2019 %R 10.19678/j.issn.1000-3428.0052883 %J 计算机工程 %P 1-7 %V 45 %N 9 %X 针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提出一种基于时空特性的长短期记忆模型(ST-LSTM)。基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性。在ST-LSTM网络中引入个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出个性化,更好地学习每类用户的行为轨迹特征,同时在保证ST-LSTM网络特性的前提下给出2种ST-LSTM网络的简化变体模型。在公开数据集上的测试结果表明,与主流位置预测方法相比,该预测模型精确率、召回率、F1值都有明显提升。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0052883