PG电子【中国】平台网站 - PG SOFT

　　由Datawhale团队成员发起，对目前学术论文中比较成熟的 Topic 和开源方案进行分享，通过一起阅读、分享论文学习的方式帮助大家更好地“高效+全面+自律”学习，让大家都有所收获和提升！方向包括自然语言处理（NLP）、计算机视觉（CV）、推荐（Res）等相关方向的论文解读和分享，后续将融入更多的方向。

　　轨迹表示学习在支持各种下游任务中发挥着关键作用。为了过滤 GPS 轨迹中的噪声，传统的方法倾向于采用基于路由的方法来简化轨迹。然而，这种方法忽略了 GPS 数据中包含的运动细节，限制了轨迹表示学习的表示能力。为了填补这一空白，我们提出了一种新颖的表示学习框架，即基于自监督技术的联合 GPS 轨迹和路由建模（JGRM）。我们将 GPS 轨迹和路由视为单一运动观测的两种模式，并通过模式间信息交互来融合信息。具体来说，我们开发了两个编码器，分别用于捕捉路由和 GPS 轨迹的表征。来自两种模式的表征被送入一个共享转换器，进行模式间信息交互。最后，我们设计了三个自我监督任务来训练模型。通过大量实验，我们在两个真实数据集上验证了所提方法的有效性。PG平台 电子PG平台 电子实验结果表明，JGRM 在路段表示和轨迹表示任务中的表现都显著优于现有方法。