随着定位技术和传感器的高速发展,用户移动轨迹数据日渐丰富,但大多分散在不同平台上。为了全面利用这些数据并准确反映用户的真实行为,对轨迹用户匹配的研究变得至关重要。该任务旨在从海量签到轨迹数据中精准关联用户身份。近年来,研究者们尝试运用循环神经网络、注意力机制等方法深入挖掘轨迹数据。然而,当前方法在处理用户签到轨迹时面临两大挑战:一是签到数据中有限的时空特征不足以从主观和客观两个角度全面地建模签到点信息,二是用户的签到轨迹往往围绕着一个特定的主题。针对这两点挑战,提出了一种基于自然语言增强的轨迹用户匹配模型(Natural Language Augmented Trajectory User Link,NLATUL)。首先,设计了一套自然语言模板与软提示令牌来描述签到轨迹,并使用语言模型来理解签到点中的主观意图,融合用户的时空状态,提供了一种充分从主观与客观两个方面建模签到点的方法;在此基础上,通过提示学习的方法推理签到轨迹的主题,并对建模的签到点表示的轨迹进行双向编码,通过签到轨迹主题与签到轨迹编码的结合实现对用户签到轨迹的准确理解。在两个真实世界签到数据集上验证的实验结果表明,NLATUL能够更准确地匹配签到轨迹与其对应的用户。
为探讨分布式能源站(distributed energy station,DES),这一能源系统中的重要能源转换环节,研究其站内规划与多站之间的多能互补特性,并兼顾考虑能量的“数量”与“品质”双重价值属性,将量质协同约束纳入DES规划范畴,为此,该文提出一...
详细信息
为探讨分布式能源站(distributed energy station,DES),这一能源系统中的重要能源转换环节,研究其站内规划与多站之间的多能互补特性,并兼顾考虑能量的“数量”与“品质”双重价值属性,将量质协同约束纳入DES规划范畴,为此,该文提出一种多区域电-冷-热互联DES量质协同规划方法。首先,建立DES互联冷管道传输模型;其次,采用能源集线器建立考虑电-冷-热互联协同、新能源接入的DES综合模型;在此之后,基于混合整数线性规划,以互联系统总成本最低为优化目标,引入㶲效率约束,构建多区域电-冷-热互联DES量质协同规划模型;最后,通过算例验证了规划模型的合理性与可行性。
暂无评论