公开(公告)号：CN116304560B

公开(公告)日：2023-11-24

申请号：CN202310078949.2

申请日：2023-01-17

Applicant: 北京信息科技大学

Inventor： 李莉 ,  司俊俊 ,  赵晓永

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/088 ,  G06F16/29 ,  G06F16/23

Abstract: 本发明提供一种基于多尺度增强对比学习的轨迹表征模型训练方法、表征方法及装置，将经纬度坐标转化为格式一致的Google S2网格编码，能够保证在向量化的过程中保持形式统一再通过双向Transformer的编码器将轨迹各位置向量化后的网格编码和时间戳进行特征提取得到轨迹表征向量。双向Transformer的编码器通过建立正负样本以对比学习的形式进行预训练，最小化各精度层级下所述轨迹样本及其正样本的轨迹表征向量差异、最大化各精度层级下所述轨迹样本及其负样本的轨迹表征向量差异，提升对轨迹表征的稳定性和精确性，提高对原始数据稀

公开(公告)号：CN116304560A

公开(公告)日：2023-06-23

申请号：CN202310078949.2

申请日：2023-01-17

Applicant: 北京信息科技大学

Inventor： 李莉 ,  司俊俊 ,  赵晓永

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/088 ,  G06F16/29 ,  G06F16/23

Abstract: 本发明提供一种基于多尺度增强对比学习的轨迹表征模型训练方法、表征方法及装置，将经纬度坐标转化为格式一致的Google S2网格编码，能够保证在向量化的过程中保持形式统一再通过双向Transformer的编码器将轨迹各位置向量化后的网格编码和时间戳进行特征提取得到轨迹表征向量。双向Transformer的编码器通过建立正负样本以对比学习的形式进行预训练，最小化各精度层级下所述轨迹样本及其正样本的轨迹表征向量差异、最大化各精度层级下所述轨迹样本及其负样本的轨迹表征向量差异，提升对轨迹表征的稳定性和精确性，提高对原始数据稀疏性和噪音的抗干扰能力。