原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
小型微型计算机系统２０２４年１１月第１１期
ＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１１１０６／ＴＰ．２０２４０２２５
ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＶｏｌ．４５Ｎｏ．１１２０２４
融合ＧＮＮ和注意力增强ＬＳＴＭ的轨迹相似度计算方法
王语涵，孙未未，卢霖统
（复旦大学计算机科学技术学院，上海２００４３３）
Ｅｍａｉｌ：ｙｕｈａｎｗａｎｇ２２＠ｍ．ｆｕｄａｎ．ｅｄｕ．ｃｎ
摘要：传统的轨迹相似度计算方法大多是针对欧氏空间中的轨迹而设计的，忽略了真实的轨迹被交通路网限制的这一事实，
无法全面反映实际状况．本文提出了一种基于图神经网络和引入注意力机制的长短期记忆网络的深度学习模型来解决传统方
法存在的问题．首先，将轨迹由路网上的路口来表示．然后为路网构建三个独立的视图，其中融合视图由路网知识图嵌入学习路
口之间的关系而构建，使用图神经网络和多层感知机学习三个视图的信息，设计视图融合层生成路口表示向量，最后使用多层
引入注意力机制的长短期记忆网络来学习轨迹的表示向量，同时还设计了一个判定轨迹相似度的损失函数．在两个真实的城市
数据集上的实验结果表明，本文提出的计算方法相较于基线方法具有更高的有效性和可行性．
关键词：轨迹相似度计算；图神经网络；长短期记忆网络；注意力机制；知识图谱
中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００１２２０（２０２４）１１２５６１０８
ＴｒａｊｅｃｔｏｒｙＳｉｍｉｌａｒｉｔｙＣｏｍｐｕｔａｔｉｏｎＢａｓｅｄｏｎＧＮＮｓａｎｄＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍｗｉｔｈＬＳＴＭ
ＷＡＮＧＹｕｈａｎ，ＳＵＮＷｅｉｗｅｉ，ＬＵＬｉｎｔｏｎｇ
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＴｒａｄｉｔｉｏｎａｌｔｒａｊｅｃｔｏｒｙｓｉｍｉｌａｒｉｔｙｃｏｍｐｕｔａｔｉｏｎｍｅｔｈｏｄｓａｒｅｐｒｅｄｏｍｉｎａｎｔｌｙｄｅｓｉｇｎｅｄｆｏｒｔｒａｊｅｃｔｏｒｉｅｓｉｎＥｕｃｌｉｄｅａｎｓｐａｃｅ，ｎｅｇｌｅｃ
ｔｉｎｇｔｈｅｆａｃｔｔｈａｔｒｅａｌｔｒａｊｅｃｔｏｒｉｅｓａｒｅｃｏｎｓｔｒａｉｎｅｄｂｙｒｏａｄｎｅｔｗｏｒｋｓ，ｗｈｉｃｈｆａｉｌｓｔｏｆｕｌｌｙｒｅｆｌｅｃｔｔｈｅａｃｔｕａｌｃｏｎｄｉｔｉｏｎｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅ
ｐｒｏｐｏｓｅａｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌｂａｓｅｄｏｎＧｒａｐｈＮｅｕｒａｌＮｅｔｗｏｒｋｓａｎｄａｎａｔｔｅｎｔｉｏｎｅｎｈａｎｃｅｄＬｏｎｇＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙｎｅｔｗｏｒｋｔｏａｄ
ｄｒｅｓｓｔｈｅｉｓｓｕｅｓｉｎｈｅｒｅｎｔｉｎｃｏｎｖｅｎｔｉｏｎａｌｍｅｔｈｏｄｓ．Ｆｉｒｓｔｌｙ，ｔｒａｊｅｃｔｏｒｉｅｓａｒｅｒｅｐｒｅｓｅｎｔｅｄｂｙｉｎｔｅｒｓｅｃｔｉｏｎｓｏｎｔｈｅｒｏａｄｎｅｔｗｏｒｋ．Ｓｕｂｓｅｑｕｅｎｔ
ｌｙ，ｔｈｒｅｅｉｎｄｅｐｅｎｄｅｎｔｖｉｅｗｓａｒｅｃｏｎｓｔｒｕｃｔｅｄｆｏｒｔｈｅｒｏａｄｎｅｔｗｏｒｋ，ｗｈｅｒｅｔｈｅｆｕｓｉｏｎｖｉｅｗｉｓｂｕｉｌｔｂｙｌｅａｒｎｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎ
ｉｎｔｅｒｓｅｃｔｉｏｎｓｕｓｉｎｇｒｏａｄｎｅｔｗｏｒｋｋｎｏｗｌｅｄｇｅｇｒａｐｈｅｍｂｅｄｄｉｎｇ．ＧｒａｐｈＮｅｕｒａｌＮｅｔｗｏｒｋｓａｎｄＭｕｌｔｉｌａｙｅｒＰｅｒｃｅｐｔｒｏｎａｒｅｕｔｉｌｉｚｅｄｔｏｌｅａｒｎ
ｉｎｆｏｒｍａｔｉｏｎｆｒｏｍｔｈｅｓｅｔｈｒｅｅｖｉｅｗｓ，ａｎｄａｖｉｅｗｆｕｓｉｏｎｌａｙｅｒｉｓｄｅｓｉｇｎｅｄｔｏｇｅｎｅｒａｔｅｉｎｔｅｒｓｅｃｔｉｏｎｒｅｐｒｅｓｅｎｔａｔｉｏｎｖｅｃｔｏｒｓ．Ｆｉｎａｌｌｙ，ａｍｕｌｔｉ
ｌａｙｅｒａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｗｉｔｈＬＳＴＭｎｅｔｗｏｒｋｉｓｅｍｐｌｏｙｅｄｔｏｌｅａｒｎｔｈｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｖｅｃｔｏｒｓｏｆｔｒａｊｅｃｔｏｒｉｅｓ，ａｎｄａｌｏｓｓｆｕｎｃｔｉｏｎｆｏｒ
ｄｅｔｅｒｍｉｎｉｎｇｔｒａｊｅｃｔｏｒｙｓｉｍｉｌａｒｉｔｙｉｓａｌｓｏｄｅｖｉｓｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌ
文档评论（0）