时空对比扩散模型

更真实且无隐私泄露

该模型通过时空无损编码、解耦扩散模块和对比学习，生成真实且保护隐私的签到序列。

Letian, Gong · 郭晟楠 · Lin, Yan · Yicheng, Liu · Erwen, Zheng · Yiwei, Shuang · 林友芳 · Hu, Jilin · 万怀宇

IEEE Transactions on Knowledge and Data Engineering 2025

参数信息

生成数据集数量

4

设计评估指标数量

4

技术优势

任意长度都能处理

采用时空无损编码，把变长签到序列转换成等长格式，消除了长度差异对扩散建模的影响。

空间时间分开建模

两个解耦的扩散模块分别捕捉空间和时间相关性，减少不同特征之间的互相干扰。

应用场景

• 城市计算：为城市计算提供无隐私风险的大规模签到数据，支持模型训练和系统评测。
• 轨迹数据挖掘：生成逼真签到序列，解决真实数据稀缺问题，支撑轨迹挖掘算法验证。
• 位置隐私保护：合成数据不包含真实用户位置信息，从源头消除位置隐私泄露风险。
• 合成数据：作为合成数据生成方法，能够在缺少真实数据时提供高质量替代数据集。