本发明属于信息服务领域，尤其涉及一种基于用户偏好表示的轨迹-用户链接方法及系统。
背景技术：
1、随着基于位置的服务(lbs)的快速发展，lbs提供商逐渐有能力快速收集海量的轨迹信息，这些轨迹信息在理解用户的移动模式特征上有很大的价值。轨迹-用户链接(tul)通过分析轨迹中蕴含的用户移动模式，将轨迹映射到其产生者上，从而可以更好地为好友推荐、兴趣点推荐等个性化的lbs服务提供建议。
2、目前，已经有许多基于深度学习的tul方案。这些方案普遍将轨迹视为自然语言中的语句，并将轨迹中的位置点视为单词，从而使用自然语言处理(nlp)领域中常用的word2vec算法与循环神经网络(rnn)分别对位置点与轨迹进行分析。然而，由于轨迹数据与自然语言数据有较大的差别，因此目前的方案主要面临以下两个方面的挑战。
3、一方面，nlp领域中大规模、高质量的语料库促成了word2vec算法优秀的单词语义提取能力，但目前tul领域的语料库规模远小于nlp领域，数据的质量也相对较差，因此word2vec在tul领域难以学习到质量较高的位置点表示。
4、另一方面，由于轨迹的采样频率的不同，轨迹长度与自然语言中的语句长度也存在较大差异，例如签到数据集中的轨迹长度往往小于自然语言的语句长度，而gps数据集的轨迹长度则大于自然语言的语句长度。极短的轨迹会导致word2vec等学习共现关系的算法效果较差，而极长的轨迹则会导致算法难以学习距离较远的位置点之间的依赖关系，同时rnn等串行处理输入数据的算法的训练时间开销也会非常大。
技术实现思路
1、针对上述技术问题，本发明的目的是提供一种基于用户偏好表示的轨迹-用户链接方法及系统，能够在不同采样频率的轨迹数据上提取有效的用户偏好特征，从而提升位置点表示的质量，使得整体方案获得更好的效果；同时通过使用位置点缩减与更高效的神经网络，在有限的时间内学习到更好的轨迹序列性特征。
2、为了实现上述技术目的，本发明采用以下技术方案：
3、一种基于用户偏好表示的轨迹-用户链接方法，所述方法包括：
4、将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标；
5、基于每一网格的用户访问频率分布，生成该网格的用户偏好特征向量；
6、针对一未知用户轨迹，基于该未知用户轨迹上所有位置点所涉及的用户偏好特征向量，生成该未知用户轨迹的表示矩阵；
7、对所述表示矩阵进行分类，以将该未知用户轨迹链接到对应用户。
8、进一步地，所述将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标之前，还包括：
9、将所有样本轨迹预处理成统一的数据格式。
10、进一步地，所述将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标之后，还包括：
11、对每个网格连续出现的多个位置点进行缩减，其中所述对每个网格连续出现的多个点进行缩减，包括：
12、设定一个时间间隔t；
13、基于所述时间间隔t对样本轨迹中的位置点进行删减，以使得第i个位置点的时间戳ti与第i+1个位置点的时间戳ti+1满足ti+1-ti>t。
14、进一步地，所述基于每一网格的用户访问频率分布，生成该网格的用户偏好特征向量，包括：
15、使用热力统计方法，根据各网格所包含的位置点的用户访问频率分布，生成每一网格的初始用户偏好语义向量；
16、使用图卷积技术更新网格的用户偏好语义向量后，对更新后的用户偏好语义向量进行归一化处理，得到该网格的用户偏好特征向量。
17、进一步地，所述基于该未知用户轨迹上所有位置点所涉及的用户偏好特征向量，生成该未知用户轨迹的表示矩阵，包括：
18、获取该未知用户轨迹上所有位置点所涉及的网格；
19、按时间顺序堆叠所涉及的网格的用户偏好特征向量，得到该未知用户轨迹的表示矩阵。
20、进一步地，对所述表示矩阵进行分类，以将该未知用户轨迹链接到对应用户，包括：
21、将所述表示矩阵输入到可以并行处理输入序列的神经网络，以将该未知用户轨迹链接到对应用户；其中，所述可以并行处理输入序列的神经网络包括：textcnn或transformer。
22、一种基于用户偏好表示的轨迹-用户链接系统，其特征在于，所述系统包括：
23、网格化模块，用于将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标；
24、用户偏好特征向量生成模块，用于基于每一网格的用户访问频率分布，生成该网格的用户偏好特征向量；
25、轨迹表示矩阵生成模块，用于针对一未知用户轨迹，基于该未知用户轨迹上所有位置点所涉及的用户偏好特征向量，生成该未知用户轨迹的表示矩阵；
26、轨迹-用户链接模块，用于对所述表示矩阵进行分类，以将该未知用户轨迹链接到对应用户。
27、进一步地，所述系统还包括：
28、轨迹数据存储模块，用于存储样本轨迹；
29、数据预处理模块，用于将所有样本轨迹预处理成统一的数据格式；
30、位置点缩减模块，用于对每个网格连续出现的多个位置点进行缩减；
31、特征向量存储模块，用于存储每个网格与其用户偏好特征向量的对应关系。
32、一种计算机设备，其特征在于，所述计算机设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现上述任一项所述的基于用户偏好表示的轨迹-用户链接方法。
33、一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令在被执行时实现上述任一项所述的基于用户偏好表示的轨迹-用户链接方法。
34、本发明的有益效果如下：
35、1)由于用户在位置点访问上具有较高的独特性，通过统计分析用户访问位置点的频次信息，可以在数据规模小、数据质量差的环境下得到更有效的位置点表示，从而拥有较好的泛用性。
36、2)通过位置点缩减，降低模型学习轨迹中的长时依赖关系的同时保持了位置点数量包含的语义信息。
37、3)可以并行处理输入序列的神经网络能高效地应用于采样率较高的场景。
38、4)网格化方法可以对于不同定位方式带来的不同的偏差有较高的容忍度，同时不同的网格大小可以使系统适应多种不同用户密度与位置点密度的场景。
1.一种基于用户偏好表示的轨迹-用户链接方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标之前，还包括：
3.如权利要求1所述的方法，其特征在于，所述将样本轨迹对应的空间进行网格化处理，并使用网格中心坐标代替样本轨迹中位置点的坐标之后，还包括：
4.如权利要求1所述的方法，其特征在于，所述基于每一网格的用户访问频率分布，生成该网格的用户偏好特征向量，包括：
5.如权利要求1所述的方法，其特征在于，所述基于该未知用户轨迹上所有位置点所涉及的用户偏好特征向量，生成该未知用户轨迹的表示矩阵，包括：
6.如权利要求1所述的方法，其特征在于，对所述表示矩阵进行分类，以将该未知用户轨迹链接到对应用户，包括：
7.一种基于用户偏好表示的轨迹-用户链接系统，其特征在于，所述系统包括：
8.如权利要求7所述的系统，其特征在于，所述系统还包括：
9.一种计算机设备，其特征在于，所述计算机设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-6任一项所述的基于用户偏好表示的轨迹-用户链接方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令在被执行时实现权利要求1至6中任一项所述的基于用户偏好表示的轨迹-用户链接方法。
