2015 KDD TOPTRAC: Topical Trajectory Pattern Mining (精读)
今天分享一篇论文：Kim Y, Han J, Yuan C. TOPTRAC: Topical Trajectory Pattern Mining[C]//Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2015: 587-596.
第二作者为数据挖掘的巨牛Jiawei Han，第一作者和第三作者分别是来自韩国汉阳大学的Younghoon和来自北航的Cangzhou。
论文下载：https://pan.baidu.com/s/1slPcLVf
Ruiyuan讲解的PPT：https://pan.baidu.com/s/1hsibN72
做什么？
社交网络中，如Twitter、微博，用户经常会发一些带有地理位置的状态。这篇文章主要是从历史轨迹数据（其实是check in的数据）中找出带有语义信息的轨迹模式。这里特定指长度为2的轨迹模式。原文为：To discover semantic trajectory patterns with respect to ‘latent topics’ of geo-tagged messages. 具体方法请看前文的ppt链接。
不足之处
Ruiyuan认为此文章的不足之处包括：
(1) 未提及此方法在实际场景的应用。我们为其想了一下应用场景，包括：地点推荐，活动推荐，好友推荐
(2) 作者的方法基于LDA，未介绍LDA的基本知识，以及他们提出的模型与LDA模型的映射关系。作者可能假设读者都对LDA模型非常熟悉。
(3) 觉得作者提出的模型过于复杂，有点杀鸡用牛刀的感觉。
(4) 因为方法过于复杂，导致在处理大规模数据时可能会出现问题（效率太慢）。论文实验部分只用到了少量的数据（6天的Twitter数据）。
(5) 只能挖掘出长度为2的模式
0 条评论