通过解缠时间不变与时间变化因素，提升下一兴趣点预测的可解释性与准确性。
Gao, Qiang · Jinyu, Hong · 徐增 · 匡平 · Zhou F. · Trajcevski, Goce
IEEE Transactions on Knowledge and Data Engineering 2023
通过解缠时间不变与时间变化因素，模型能够分别建模长期习惯与短期意图，从而理解人类多样移动表示背后的复杂语义。
通过两种轨迹增强方法，增强了对人类固有周期性和持续变化意图的理解，从而有效应对签到数据稀疏问题。
构建以兴趣点为中心的图结构，挖掘历史签到中异构的协作信号，进一步提升预测性能。