Prever a mobilidade de um usuário é uma tarefa importante para se elevar a efetividade de aplicações móveis. Neste trabalho, é apresentada a MFA-RNN (Multi-Factor Attention Recurrent Neural Network), uma rede neural recorrente que utiliza a técnica Multi-Head Self-Attention para extrair correlações sob diversos aspectos da sequência de locais visitados. O modelo é capaz de prever o próximo local de visita considerando múltiplos fatores (usuário, localização, tempo e tipo do dia) de cada registro da sequência. Além disso, é proposto um método para o preenchimento de dados esparsos para melhorar o desempenho da solução. Os resultados obtidos indicam a eficácia do modelo MFA-RNN em relação a quatro soluções conhecidas na literatura.

Nos últimos anos, tem-se percebido um aumento significativo no uso de smartphones e, consequentemente, de serviços móveis oferecidos a seus usuários. Os smartphones, agindo como sensores, são excelentes fontes de dados sobre os usuários e o ambiente ao qual estão inseridos. Como consequência, as empresas estão cada vez mais interessadas em extrair conhecimento útil desses dados para conhecer melhor os seus usuários e, assim, oferecer serviços melhores e mais personalizados. Neste trabalho, é feito um estudo para avaliar a relação entre dados demográficos do local de residência dos usuários e os smartphones dos mesmos.