POI推荐实战1：将NYC及CDRs处理后在GETNext运行

NYCTKYCDRsInGETNext

将数据经过deepmove方式处理后导入GETNext

1 NYC&TKY

数据经DeepMove方式处理

1、数据直接从Google下载原始txt文件

2、GETNext所给示例数据显示特征有如下这些：user_id,POI_id,POI_catid,POI_catid_code,POI_catname,latitude,longitude,timezone,UTC_time,local_time,day_of_week,norm_in_day_time,trajectory_id,norm_day_shift,norm_relative_time，但观察数据导入过程发现只需要norm_in_day_time，latitude,longitude,POI_catname，POI_catid_code，POI_catid，POI_id，user_id七项特征输入。于是确定经过数据处理后需要保留的特征
3、txt转csv并将时间调整为deepmove示例文件格式

4、deepmove数据处理函数调整
此函数用来生成sessions，与原来的session_tran对比，新建session_tran_new用来读取不同的所需要的特征如经纬度和用户id

5、在时间部分，与deepmove相比，GETNext不区分周六日并将一天按每半个小时划分。调整后的时间部分处理函数如下：

处理后pk文件经PG2Net导出并处理格式

1、改写PG2Net读取pk文件部分

2、对train数据和test数据读出后暂存在列表，经过函数处理后添加表头以及调整格式分别保存到csv

3、设置采样率为100%以打乱数据顺序

数据导入GETNext模型并在服务器训练

1、将数据放入GETNext构图函数，构图后得到训练所需文件

2、训练在服务器上进行，epoch设置为40，训练结果与PG2Net对比如下

2 CDRs

数据经DeepMove方式处理

1、CDR数据集没有POI种类并且对POI没有编号，首先对POI进行编号，处理方式为构建编号字典，如果经纬度完全相同则认为是同一个地点编号相同；同时对时间格式进行处理，处理后的数据如下

2、与NYC类似将符合deepmove格式的数据导入并进行处理，处理后得到pk文件

处理后pk文件经PG2Net导出并处理格式

1、将pk文件导入PG2Next，然后做法与NYC相同，改写了原PG2Net读取pk文件的函数，结果暂存列表调整格式增加表头后转为csv保存，得到train和test对应的csv文件

数据导入GETNext模型并训练

1、将处理好的train.csv导入GETNext进行构图，得到25g大的csv…。。。
2、采取采样的方式，采样5%，进行构图后得到11g左右大的csv

3、项目在服务器进行训练，epoch设为40，训练完后结果如下