基于用戶軌跡數(shù)據(jù)的周期活動(dòng)模式挖掘.pdf

1、隨著位置定位技術(shù)的快速發(fā)展，人們?nèi)粘Ｉ钪蟹e累了大量的軌跡數(shù)據(jù)。用戶歷史移動(dòng)軌跡中蘊(yùn)含著大量的信息，軌跡數(shù)據(jù)挖掘技術(shù)已經(jīng)引起了很多專家學(xué)者的重視，成為當(dāng)前的研究熱點(diǎn)之一。對(duì)用戶的歷史軌跡進(jìn)行挖掘，不僅可以發(fā)現(xiàn)用戶日?；顒?dòng)的模式，還可以發(fā)現(xiàn)一些更高層次的信息。周期活動(dòng)模式是用戶生活中最容易出現(xiàn)的活動(dòng)模式，通過(guò)對(duì)用戶周期活動(dòng)模式的挖掘可以進(jìn)一步了解用戶的活動(dòng)習(xí)慣及相關(guān)愛(ài)好。本文主要研究如何通過(guò)用戶的歷史軌跡數(shù)據(jù)來(lái)發(fā)現(xiàn)用戶的周期活動(dòng)模式。

2、r>　　針對(duì)周期活動(dòng)挖掘中面臨的時(shí)空數(shù)據(jù)采樣頻率不確定、數(shù)據(jù)稀疏、時(shí)空數(shù)據(jù)噪聲等問(wèn)題，本文提出一種基于概率統(tǒng)計(jì)模型的方法來(lái)挖掘用戶的周期活動(dòng)模式。由于周期活動(dòng)本身具有復(fù)雜性、多周期交叉性及周期長(zhǎng)度不確定等特點(diǎn)，本文周期活動(dòng)模式的挖掘方法分為三個(gè)步驟。第一個(gè)步驟，對(duì)用戶的歷史軌跡進(jìn)行預(yù)處理，得到用戶的停留點(diǎn)序列；第二個(gè)步驟，對(duì)得到的停留點(diǎn)集合進(jìn)行聚類分析，并使用興趣度計(jì)算公式對(duì)聚類結(jié)果進(jìn)行興趣度計(jì)算，得到用戶的重要興趣點(diǎn)；第三個(gè)步驟，針對(duì)

3、每個(gè)興趣點(diǎn)，對(duì)用戶的歷史軌跡進(jìn)行重構(gòu)，將用戶的軌跡序列轉(zhuǎn)化成二進(jìn)制序列，然后使用基于概率統(tǒng)計(jì)的周期長(zhǎng)度探測(cè)方法探測(cè)每個(gè)興趣點(diǎn)對(duì)應(yīng)的周期長(zhǎng)度，最后將同周期長(zhǎng)度的興趣點(diǎn)進(jìn)行層次聚類，挖掘出用戶的周期活動(dòng)模式。
　　本文給出的周期活動(dòng)模式挖掘的方法和傳統(tǒng)的周期活動(dòng)發(fā)現(xiàn)算法相比有兩個(gè)優(yōu)勢(shì)：一個(gè)是可以自動(dòng)探測(cè)周期的長(zhǎng)度，不需要根據(jù)用戶的經(jīng)驗(yàn)進(jìn)行參數(shù)預(yù)設(shè)置。另一個(gè)是本文使用的是基于概率統(tǒng)計(jì)的周期長(zhǎng)度檢測(cè)算法，該算法可以較好的處理數(shù)據(jù)稀疏的問(wèn)題