潘 晓 马 昂 闫晓倩 吴 雷

(石家庄铁道大学 河北 石家庄 050043)

0 引 言

随着无人驾驶、智能汽车和车联网等技术的发展，大量的轨迹数据迅速积累[1-5]。同时，伴随社交媒体应用的流行普及，地理位置与文本数据的融合，大量外部信息被嵌入到轨迹中，形成了多属性轨迹，轨迹上的每一个点同时包括位置、时间戳、活动和其他描述性多属性。多属性轨迹数据中包含了反映移动特征、个性化偏好等丰富信息[6]。基于历史多属性轨迹制定出行计划可以为用户提供更加友好和个性化的出行体验[7]。本文从用户历史多属性轨迹中自动学习用户个性化的行为偏好，为用户提供满足行为偏好的路线推荐。

目前已经存在了一些在多属性轨迹上的推荐研究[6-15]。文献[10]通过用户签到数据，提出了一个时间敏感的路径推荐方法，通过构建三维张量进行用户偏好估计得到候选位置点，结合位置点的合适访问时间，以及位置点之间的路程时间，对经典的最短路径算法进行扩展，提出了路线生成算法。文献[8]利用Flickr中的数据，提出一种基于兴趣点(Points of interest,POI)流行度和基于时间的用户兴趣偏好的个性化旅游路线推荐算法PTIR，在给定旅行时间限制、起点和终点的情况下，结合用户兴趣偏好设计最优旅游路线。虽然，文献[8]和文献[10]在推荐时考虑到了时间、空间和地点流行度等因素，但是忽略了多属性轨迹中的文本属性对推荐的影响。

文献[9]结合了用户轨迹数据和社交平台数据，将用户的偏好形式化地表示为关键字集合，设计了一个关键字提取模块对POI相关标签进行分类，以便与查询关键字进行有效匹配。……