摘要
本申请公开了用户位置的补全方法、装置、终端设备及存储介质,包括获取用户位置轨迹数据;根据预先训练好的位置补充模型,确定用户位置轨迹数据中需要补全的位置轨迹数据;其中,预先训练好的位置补充模型是采用原始位置轨迹数据对深度学习模型进行训练得到的;深度学习模型是基于图神经网络和双向编码器建立的,位置补充模型用于轨迹数据中缺失部分进行预测和填充;根据需要补全的位置轨迹数据,对用户位置轨迹数据中的缺失部分进行补充,实现了对用户位置轨迹数据的精确补全,不仅提高了用户行为预测的准确性和完整性,而且能更好地理解和挖掘用户在时空维度上的复杂行为模式,增强了对用户行为特性的捕捉能力。
技术关键词
深度学习模型
轨迹
补全方法
Node2Vec算法
数据
节点
编码器
BERT模型
补全装置
嵌入方法
多层感知机
样本
终端设备
关系
序列
可读存储介质
存储计算机程序
解码器
标识