只观察你一天，能借别人的作息猜出下一周吗？
论文名片｜James McInerney、Jiangchuan Zheng、Alex Rogers、Nicholas R. Jennings，Modelling Heterogeneous Location Habits in Human Populations for Location Prediction Under Data Sparsity，UbiComp 2013，469—478。DOI。
你周三上午总在同一栋楼出现，但系统刚观察了你一天，还不知道周四该怎样预测。其他人也许有工作日上午固定外出的习惯，却住在另一座城市。怎样借到他们的作息规律，又不把他们去的地点错误地套到你身上？
这正是 LocHDP 的问题：位置很个人化，时间习惯却可能共享。论文把两者分开建模，在新用户轨迹很少时，利用其他人的记录建立更好的时间先验；随着个人历史变丰富，这种额外帮助逐渐减弱。
先说结论
- 模型不用先把地点标成家、办公室，也不要求用户互为朋友或到访同一地点，而是共享潜在习惯的时间参数，保留个人的空间参数。
- Nokia 洛桑数据包含 38 人一年的约 155 万条定位，但主要预测评价选择的是其中 9 名记录较丰富的用户，不能把全部参与者都当作测试分母。
- 每个目标用户只给 20 个有记录小时、另用 10 名辅助用户时，LocHDP 相对个人混合模型的条件似然改善约 2.4 倍；这不是位置命中率提升 140%。
- 个人历史达到约 100 个有记录小时后，两种模型优势基本消失；辅助人数增加到约 10 人以后，这份数据上的收益也趋于平缓。
为什么不能直接把所有人的地点合在一起？
同一座公园可以对一个人是日常散步地点，对另一个人只是偶然路过；不同人的家又通常不在相同坐标。若要求所有人先共享一套地点编号或活动标签，就会限制模型能借用谁的数据。
论文借鉴分层狄利克雷过程（Hierarchical Dirichlet Process，HDP）。在文本模型里，所有文档可以共享一组主题，每篇文档使用主题的比例不同。对应到移动性，一组潜在习惯可以在不同人身上以不同比例出现，但需要进一步处理个人地点各异的问题。
图 1｜标准主题模型怎样共享信息？完整单幅图中，全局分布决定可共享主题，文档内部有各自的主题混合，词的观测由主题产生；方框表示重复结构，灰色圆表示观测，灰色方块表示超参数。它提供共享潜变量的基础，但还没有表达个人独有的空间位置。来源：原论文 Fig. 1。
LocHDP 保留每个用户使用各习惯的概率，再把每个习惯拆成三份信息：个人的经纬度分布、共享的一天中时刻分布、共享的星期分布。空间位置用高斯分布表示，时刻用单峰高斯分布平滑，星期用离散分布表示。给定潜在习惯后，各观测分量按模型假设组合。
图 2｜哪里共享，哪里保留个人差异？完整单幅图中，用户 u 的空间参数 φ 位于用户重复结构内；时刻与星期的参数位于全局习惯结构中，供不同用户共享。潜在习惯 h 同时连接位置、时刻与星期的观测。图中无子图字母。来源：原论文 Fig. 2。
原论文 Table 1 对应定义了位置、时刻、星期、用户、习惯和各层参数。模型不必预先固定习惯总数，而是在推断中调整有效习惯的数量。“习惯”在这里是解释数据的潜变量，并不是问卷确认的一项具体活动。
同一个家，为什么可以对应多个习惯？
一个人可能早晨在家、傍晚也在家。若把家作为一个地点并附上复杂的双峰时间分布，每个人的两个时间峰又可能不同，不容易共享。
LocHDP 反过来把上午与晚上的模式分开，让两个潜在习惯可以指向同一片个人空间。这样，某些人可共享早晨模式，另一些人共享晚上模式，而无需整套日程都一致。
图 3｜同一片空间是否一定只能有一个习惯？这是一组模拟示意数据。左上按一个重要地点聚合空间观测，左下赋予它双峰日内分布；右上保留空间上重叠的两个习惯，右下分别用单峰时间分布表达。四幅图的经纬度轴与时间、概率密度轴均保留，原图没有子图字母；星期分布未在图中展示。来源：原论文 Fig. 3。
这个选择以更模块化的时间模式换取共享能力，同时也作出限制：每个潜在习惯只在一天中的一个主要时段活跃，多峰行为需要多个习惯解释。模型能拟合多少模式，还受到记录和先验的影响，不能把推断出的数量当作真实生活习惯的客观总数。
新用户的二十小时，究竟怎样被测试？
原始 Nokia 数据记录了瑞士洛桑 38 名参与者一年的 1,553,154 条位置。平均每人 40,872 条，标准差 36,848，个体记录量差异较大。
定位采样并不均匀：设备为节电会在长时间静止时降低记录频率，GPS 不可用或关机也会造成空缺。研究因此按有定位的小时计算训练长度 H，而非直接按连续日历小时计算。
| 实验 | 目标用户的训练信息 | 辅助数据 | 测试对象 |
|---|---|---|---|
| 改变数据深度 | 最早 H 个非空小时，H 不超过 200 | 随机选 10 名其他用户的完整记录 | 9 名至少有 1,000 个非空小时的目标用户，使用未参与训练的位置 |
| 改变数据宽度 | 每个目标用户固定 20 个非空小时 | 辅助人数从 0 增至 20 | 同一批 9 名目标用户 |
论文粗略估计，H 个非空小时约需 1.5H 个日历小时，但用户缺测程度不同，没有统一换算。因此，20 个训练小时不能写成连续观察了 20 小时，更不能称为只有 20 个定位点。
辅助用户代表系统中已经积累数据的用户；目标用户的少量历史则模拟冷启动。实验评估的是如何借助已有用户资料帮助新用户，不是完全没有目标用户地点记录的零样本预测。
不猜唯一坐标，先看真实位置获得多少概率密度
LocHDP 使用折叠 Gibbs 采样推断参数。研究报告约 50 轮后进入采样阶段，之后每三轮保留一个样本，共保留 10 个。预测时，给定用户、星期与时刻，对潜在习惯和参数不确定性求平均，得到二维位置概率密度。
评价指标是测试位置的条件似然：已知真实记录时刻，模型在真实位置赋予多少密度。这样可以减少仅仅学到“GPS 什么时候容易启动”带来的干扰，但并未消除所有采样偏差。
比较包括 LocHDP、每人单独训练的时空混合模型（Mixture），以及把个人全部位置拟合成一个高斯分布的简单模型（Single）。Mixture 能利用个人时空结构，却不能在用户间共享习惯。
图 4｜个人历史很短时，共享习惯有多大帮助？单幅图横轴为目标用户训练的非空小时数，纵轴为平均条件对数似然，越高、越接近零表示预测密度更好。蓝线为 LocHDP，绿虚线为个人混合模型，红点线为单高斯；误差条是按经验标准误计算的 95% 置信范围。单高斯多数较差结果落在图示范围之外。来源：原论文 Fig. 4。
作者将平均对数似然的差异换算后，报告 H=20 时约为个人混合模型的 2.4 倍，H=40 时约为 6.4 倍。这是概率密度比较，不是 2.4 倍命中率，也不是地理误差减少到原来的 1/2.4。
随着 H 接近 100，两条主要曲线汇合。个人过去的行为已经提供足够信息，群体时间参数不再持续带来明显额外优势。约 100 小时是这份样本与设置中的观察，不能当作所有预测服务统一需要的数据门槛。
图 5｜平均改善来自哪些预测？单幅图汇总 9 名目标用户在 20 小时训练设置下的测试记录，横轴为条件对数似然，纵轴为频数。LocHDP 在较高似然区域有更多结果；单高斯即便在常见位置附近有集中，也包含很差的长尾。这里不是公里误差的分布。来源：原论文 Fig. 5。
加入更多人，会一直改善吗？
图 6｜数据更宽，能补足个人历史太浅吗？单幅双轴图横轴为辅助人数，蓝线和左轴为平均条件对数似然，红虚线和右轴为推断的习惯数。辅助人数增加时两者整体上升，约 10 人后预测表现较平缓，15 人处的小幅下降仍有不确定性。误差条为原文所述 95% 置信范围。来源：原论文 Fig. 6。
更多辅助用户可能带来目标用户尚未充分显示的时间模式，但增加人数也不保证每个人都提供相关习惯。在这份小样本上，模型发现的习惯数继续缓慢增加，预测收益却没有等量增加。
图 7｜共享模式是否意味着所有人都一样？从共同建模的 20 名用户中随机展示 9 人，每个面板对应一人，横轴为习惯编号、纵轴为该人使用各习惯的概率。九幅面板共同显示相同习惯在不同人身上的权重不同，原图无面板字母。习惯 12 在其中五人的观测占比超过约 30%。来源：原论文 Fig. 7。
作者查看位置动画后，将这五人的习惯 12 解释为居家位置；另外四人没有同样清晰的语义。因此，共享时间模式不需要预先标记家，但模型编号也不自动具备所有用户一致的活动名称。人工核对的解释应与模型的原始输出分开理解。
无需社交连接，不等于已经在任意人群验证
LocHDP 在结构上无需朋友关系、空间重叠或统一活动标签，这是它能广泛借用他人数据的关键。但验证来自同一城市的一份 38 人数据，且招募方式包含熟人推荐；目标评价又选择了记录较丰富的 9 人。作者承认，这样的人群可能比随机抽取的公众具有更多相似习惯。
所以，实验支持的是这组条件下的冷启动改善。要说明跨城市、跨文化或特殊作息同样受益，还需更宽的人群验证，并检查何时共享会把主流日程错误地套给少数用户。
一句话总结
共享作息、保留个人地点，可以在少量历史下帮助位置概率预测，但群体信息的价值会随个人记录增加而减弱，也依赖辅助人群是否合适。
核心来源
James McInerney, Jiangchuan Zheng, Alex Rogers, Nicholas R. Jennings. Modelling Heterogeneous Location Habits in Human Populations for Location Prediction Under Data Sparsity. UbiComp 2013, 469–478。DOI：10.1145/2493432.2493437，南安普顿大学机构仓库。Fig. 1—7、模型方法、数据规模与实验数值均来自原论文。
作者介绍
- James McInerney：论文署名为英国南安普顿大学。
- Jiangchuan Zheng：论文署名为香港科技大学。
- Alex Rogers：论文署名为英国南安普顿大学。
- Nicholas R. Jennings：论文署名为英国南安普顿大学。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
如果辅助用户大多是白天上班的人，夜班新用户的少量记录可能被推向不合适的主流习惯。一个有价值的检验是，分别用日程相似、日程相反与随机辅助人群帮助同一个目标用户，观察共享什么时候有益、什么时候产生负迁移。
还可以同时报告概率密度与固定距离范围内的覆盖率。前者衡量分布在真实位置附近是否集中，后者更接近“预测区域能否覆盖用户”的应用需求。两项一起报告，能避免把似然的倍数直接当作导航或提醒服务的成功率。
