基于自适应分层学习的长尾人类移动预测方法

基于自适应分层学习的长尾人类移动预测方法通过基于马斯洛人类动机理论的分层树结构引入粗粒度语义分组，以架构无关的方式重新平衡优化过程。首先，基于马斯洛人类动机理论设计思维链提示词，运用大语言模型构建城市定制的层级结构，通过分层学习充分开发人类移动数据中的知识。其次，通过Gumbel干扰和自适应权重探索分层位置预测，以充分捕捉复杂的时空语义。其中，Gumbel干扰用于重新平衡头部和尾部位置的学习，自适应权重对每个分层内的头部类别和尾部类别进行节点级调整，这些组成部分有效地促进了对流动性知识的探索。本发明还包括一种适配先进移动预测算法的方法，通过将自适应的分层学习损失嵌入其它移动预测方法，提升其他方法在长尾移动数据中的有效性和适用性。