基于自监督学习的社交网络用户轨迹预测模型

代雨柔，杨 庆，2，张凤荔，周 帆*

（1.电子科技大学信息与软件工程学院，成都 610054；2.中国电子科技集团公司第十研究所，成都 610036）

（*通信作者电子邮箱fan.zhou@uestc.edu.cn）

0 引言

在基于位置的社交网络（Location based Social Network，LBSN）中，预测人类的移动轨迹是一项重要且困难的任务。在日常的生活中，人们不断地从一个地方到另一个地点移动，但移动的规律因人而异，且受各种如节假日、天气、心情等因素的影响。通过预测人们的轨迹，在某些方面能够反映出该用户的生活方式、移动规律以及人脉关系网络等。获取这些信息可以帮助用户提前做好路线规划、周边购物与饮食推荐等实际建议，这也为学习用户移动行为提供了新的研究，如社会中的关系推断［1］、友情预测［2］、轨迹-用户预测［3］、个性化社交事件推荐［4］、轨迹预测［5］等。

在用户的轨迹预测中，最重要的是预测下一个将要去的兴趣点（Point Of Interest，POI）。准确预测出人们的下一个兴趣点，不仅能方便个人的出行，也能给其他人的出行带来影响。以往收集轨迹数据主要是通过问卷调查的方式，但问卷调查不仅成本高、效率低，而且难以长时间对用户的轨迹进行记录。随着移动互联网技术的飞速发展和各种设备中全球定位系统（Global Positioning System，GPS）的广泛使用，诸如Foursquare（https：//foursquare.com）和Gowalla（http：//blog.gowalla.com）这样基于位置的社交网络变得无处不在。用户通过这些设备，留下他们的足迹并分享他们的心情或经验，使得拥有相同兴趣点的用户轨迹中的签到点相互交汇，例如美术馆、食堂、购物中心、音乐厅等。

文献［6］通过对100 万用户的研究，发现用户的移动行为具有明显的稳定性，93%的用户移动模式是可以被预测的，与早期文献［7］中对45 000 个匿名用户的运动模式进行研究的结论大致相同。……