吴劲，陈树沛*，杨庆,2，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)

随着物联网和移动应用的发展，基于位置信息的应用服务越来越多。在各种移动应用中，大量的个人位置信息和活动信息被收集，如共享单车的轨迹信息、用户的签到信息。这些信息反映了用户的移动模式和活动意图，可以用于提供各种各样的服务，如交通规划、智能推荐和智能城市规划等。这为研究人员提供了一个挖掘人类移动模式的新机会，衍生了很多新研究，如下一个兴趣点(point of interest,POI)推荐[1]、基于位置的信息推送[2]及在线社交推荐[3]等。在众多的研究中，轨迹用户链接(trajectory-user linking,TUL)[4]问题旨在研究如何将轨迹链接到生成该轨迹的用户，可以更好地掌握各种基于位置的移动应用中用户的移动模式和规律。基于位置的社交网络(location-based social networks,LBSNs)，如Foursquare 和Yelp 等网站收集了很多用户的签到位置信息，出于隐私考虑，第三方服务提供商会对用户身份进行匿名处理，因此用户轨迹数据或用户签到数据一般不包含对应的真实用户。将这些轨迹与相应的用户关联起来，可以挖掘出用户的访问意图和活动规律，用于POI 推荐和用户旅行路线推荐等。此外，TUL还可以识别出可疑的访问和移动模式，预防违法犯罪活动。

近些年来，与人类移动相关的数据呈爆炸式增长[5]。由于轨迹数据的稀疏性和带标记轨迹的数量不足，解决TUL 问题存在一定的挑战。传统的工作通常是通过马尔可夫链等序列学习模型来建模人类的移动规律，进而将轨迹和用户相链接。……