基于時(shí)空數(shù)據(jù)挖掘的位置預(yù)測與服務(wù)推薦研究.pdf

1、隨著基于位置的服務(wù)和社交網(wǎng)絡(luò)的快速發(fā)展，基于位置的社交網(wǎng)絡(luò)(Location Based SocialNetwork，LBSN)平臺(tái)得到了廣泛的關(guān)注，用戶可以在LBSN平臺(tái)上對當(dāng)前所在位置進(jìn)行簽到并和好友分享簽到信息。基于位置的社交網(wǎng)絡(luò)平臺(tái)每天產(chǎn)生大量的用戶移動(dòng)行為數(shù)據(jù)，這種大規(guī)模數(shù)據(jù)為研究位置預(yù)測與個(gè)性化服務(wù)推薦問題提供了數(shù)據(jù)基礎(chǔ)，同時(shí)位置預(yù)測和推薦服務(wù)也優(yōu)化了平臺(tái)的用戶體驗(yàn)。
　　現(xiàn)有的相關(guān)研究大多單純地基于用戶的歷史位置信息

2、，對LBSN下用戶移動(dòng)的時(shí)序性和社交性考量有限，導(dǎo)致存在特征單一、準(zhǔn)確度不高等問題，針對此問題，本文采用基于時(shí)空數(shù)據(jù)挖掘的方法開展LBSN下的位置預(yù)測與服務(wù)推薦研究。論文的主要工作包括:
　　數(shù)據(jù)集的預(yù)處理和分析。對真實(shí)的數(shù)據(jù)集進(jìn)行一系列的統(tǒng)計(jì)處理，從空間、時(shí)間、社交等多角度挖掘用戶行為的特征及規(guī)律，分析影響用戶移動(dòng)和社交的重要因素。此外，利用停留點(diǎn)探測和地點(diǎn)聚類算法，完成位置信息抽象處理過程，為模型構(gòu)建和相似度量設(shè)計(jì)提供數(shù)據(jù)支撐

3、。
　　提出了基于帶時(shí)間特征的n階Markov模型(n-TMM)，該模型在移動(dòng)Markov的基礎(chǔ)上加入時(shí)間特征，構(gòu)建狀態(tài)轉(zhuǎn)移矩陣以歸納用戶移動(dòng)規(guī)律，兼顧空間因素和時(shí)間因素對用戶移動(dòng)行為的影響。在此基礎(chǔ)上開展位置預(yù)測研究實(shí)驗(yàn)，分析所用方法的有效性。
　　設(shè)計(jì)了一種融合位置序列相似和好友相似的混合相似度量，該度量綜合考慮了位置時(shí)序和社交關(guān)系，并且應(yīng)用于朋友推薦和地點(diǎn)推薦研究。在實(shí)驗(yàn)評估中通過和基準(zhǔn)相似的效果對比，表明該方法改善了