记录一下关于TrajDL的信息。TrajDL是我编写的第一个体系完整的python工具包，面向轨迹深度学习，目的是支持很多轨迹深度学习算法，包括轨迹表示学习、轨迹分类、下一位置预测等方法。目前已经在GitHub上开源，项目主页是：[https://github.com/Spatial-Temporal-Data-Mining/TrajDL](https://github.com/Spatial-Temporal-Data-Mining/TrajDL)，已经发布了0.1.0版本，可以在pypi上下载，官方文档是：[https://trajdl.readthedocs.io/en/latest/](https://trajdl.readthedocs.io/en/latest/)，可以通过这个文档查阅它的使用方法。
讲一个在spark上做DBSCAN的案例，记录一下过程。
[ICDE 2019：Computing Trajectory Similarity in Linear Time: A Generic Seed-Guided Neural Metric Learning Approach](https://ieeexplore.ieee.org/abstract/document/8731427).提出的方法叫NEUTRAJ，主要解决轨迹相似度计算时的性能问题，在线性时间内计算完毕。这个方法是要用户提前选择一种非学习的度量方式，然后这个框架可以去拟合这个度量方式的值，因此这个框架可以支持很多度量方式，比如DTW，Frechet等。模型层面有两个创新，在RNN上增加了带有记忆模块的attention机制；另外是在损失的时候增加了排序信息。
本文讲一下如何快速启动一个Hugo博客。我之前的博客是部署在hexo上的，而且已经很久用写过了，现在要重启，由于hexo的环境部署依赖node，想换一套更好用的系统，Claude推荐我使用Hugo。
PVLDB 2022. [DeepTEA: Effective and Efficient Online Time-dependent Trajectory Outlier Detection](https://www.vldb.org/pvldb/vol15/p1493-han.pdf)
