본 논문은 위치 기반 서비스(LBS) 데이터의 희소성으로 인해 불완전한 이동 경로 및 활동 순서를 정확하게 추론하기 어려운 문제를 해결하기 위해, 고품질 LBS 데이터에서 얻은 활동 순서를 이용하여 개인별 불완전한 활동 순서를 복원하는 새로운 방법을 제시한다. Variable Selection Network-fused Insertion Transformer (VSNIT)라는 새로운 모델을 제안하는데, 이는 Insertion Transformer의 유연한 시퀀스 생성 기능과 Variable Selection Network의 동적 공변량 처리 기능을 통합하여 불완전한 활동 순서에서 누락된 부분을 복원하면서 기존 데이터는 유지한다. 실험 결과, VSNIT은 기존 모델보다 더 다양하고 현실적인 활동 패턴을 삽입하고, 활동 전환의 혼란을 더 효과적으로 복원하여 정확도와 다양성 측면에서 우수한 성능을 보였다.
