用户嵌入的时间注意力神经网络用于物联网轨迹预测
Dongdong Feng1, Siyao Li1, Yong Xiang1
1China Telecom Research Institute, Guangzhou, Guangdong Province, China.
PeerJ. Computer science
|March 10, 2025
概括
本研究介绍了一种基于物联网的算法,用于预测用户设备 (UE) 细胞过渡. 该模型以0.5766的召回率实现了高性能,改进了顺序推系统.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 电信 电信服务 电信服务 电信服务
背景情况:
- 顺序推系统对于个性化服务至关重要.
- 预测用户设备 (UE) 在蜂网络中的移动对于有效的资源分配和服务提供至关重要.
研究的目的:
- 使用物联网 (IoT) 数据开发算法,预测用户设备 (UE) 将到达的下一个单元.
- 为了提高下一个细胞预测模型的精度和可靠性.
主要方法:
- 使用的UE和细胞嵌入组合与访问时间间隔信息.
- 使用滑窗采样来处理轨迹数据.
- 应用了注意力机制,省略了查询矩阵和注意力面具,以提取关键信息并减少更快训练的参数.
- 在预测层中包含正负采样与交叉损失.
- 考虑了六个相邻的细胞作为下一个细胞预测的候选人.
主要成果:
- 在预测下一个目的地单元中实现了0.5766的回忆.
- 通过广泛的实证研究证明了最佳结果和高性能.
结论:
- 拟议的基于物联网的算法有效地预测了用户设备的下一个细胞过渡.
- 该模型提供了更高的精度和可靠性,在顺序推上下文中优于现有方法.


