LBSN中基于行为分析的用户位置预测

发布时间：2017-07-14 03:08

  本文关键词：LBSN中基于行为分析的用户位置预测

  更多相关文章： 基于位置的社交网络 LBSN 用户行为分析 签到行为预测

【摘要】：近年来,随着移动终端定位技术和移动互联网技术的快速发展,基于位置的社交网络(LBSN, Location-Based Social Networks)平台取得了巨大的成功。LBSN通过位置特征将虚拟社交空间和现实行为空间连接起来,融合了线上关系与线下行为,使得从各种交互关系和行为轨迹中探知到更本质的群体和个体行为规律成为可能。LBSN中海量的用户签到数据为研究研究位置预测问题提供了数据基础,同时,良好的位置预测算法也为平台带来良好的用户体验,并能够产生巨大的社会和经济效益。当前LBSN对用户将来签到位置的预测的研究主要集中于对用户即将签到的位置预测,这种预测算法只能预测当前访问位置的下一个位置,实际上是一种实时位置预测,这使得这种位置预测算法的应用场景受到限制,对于用户在较远将来的签到位置预测成为位置预测领域亟待解决的问题。基于此,本文提出了给定将来时间的用户签到位置预测问题。针对这个问题,本文首先从时间周期性、签到位置的空间分布、用户的社交关系三个方面入手,在位置点和位置类别两个层面上对可能影响用户在给定将来时间的签到因素进行分析与挖掘,基于此,进行了影响用户签到行为的多维混合特征建模和特征量化,最后提出了基于多维混合特征的位置预测算法(LPMMF).基于以上算法的研究成果,本文设计并实现了LBSN中基于行为分析的用户位置预测系统。为了验证本文提出算法的性能,并分析本文算法的各个特征的有效性,本文在Foursquare纽约用户签到数据集中对本文的算法进行了实验验证。实验数据表明本文引入的特征都是有效的,其中用户对于位置点的签到时间周期和用户对位置点的签到偏好有较强的作用。对比实验显示了算法的预测效果,证明了本文提出的位置预测算法相对于相关算法有更加良好的效果。
【关键词】：基于位置的社交网络 LBSN 用户行为分析 签到行为预测
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09;TN929.5
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-13
• 1.1 研究背景与问题8-9
• 1.2 国内外研究现状9-10
• 1.3 本文的主要工作10-11
• 1.4 论文的组织结构11-13
• 第二章 相关背景概述13-19
• 2.1 LBSN13-14
• 2.1.1 LBSN简介13
• 2.1.2 基于位置的异构网络模型13-14
• 2.2 LBSN的社交网络属性14-16
• 2.2.1 六度分隔理论14-15
• 2.2.2 无标度特性15-16
• 2.3 LBSN中用户数据的特点16-17
• 2.4 LBSN中的研究方向17-18
• 2.5 本章小结18-19
• 第三章 数据集的获取与预处理19-23
• 3.1 数据源选择与介绍19
• 3.2 数据内容19-20
• 3.3 数据获取及处理20-21
• 3.4 数据分析21-22
• 3.5 本章小结22-23
• 第四章 用户签到行为分析23-32
• 4.1 时间周期性分析23-27
• 4.2 空间因素分析27-30
• 4.2.1 签到位置空间聚簇性分析27-28
• 4.2.2 签到中心home的发现方法28-30
• 4.3 社交因素分析30-31
• 4.4 本章小结31-32
• 第五章 基于多维混合特征的位置预测算法32-43
• 5.1 多维特征建模及特征量化32-35
• 5.1.1 时间相关的特征的提取32-33
• 5.1.2 空间相关特征的提取33-34
• 5.1.3 社交关系相关特征34-35
• 5.1.4 用户偏好特征及其归一化35
• 5.2 基于多维混合特征的位置预测算法35-36
• 5.3 基于多维混合特征的位置预测系统框架36-37
• 5.4 实验设计与结果分析37-42
• 5.4.1 实验环境37
• 5.4.2 训练集合测试集的划分37-38
• 5.4.3 算法评价标准38
• 5.4.4 实验设计38-39
• 5.4.5 实验结果及分析39-42
• 5.5 本章小结42-43
• 第六章 原型系统实现43-48
• 6.1 原型系统整体架构43-44
• 6.2 开发环境44
• 6.3 原型系统实现44-47
• 6.3.1 数据库设计44
• 6.3.2 Google Map接口44-45
• 6.3.3 可视化模块45-47
• 6.4 本章小结47-48
• 第七章 总结与展望48-50
• 7.1 研究工作总结48
• 7.2 研究工作展望48-50
• 致谢50-51
• 参考文献51-54

【相似文献】

中国期刊全文数据库 前10条

1 王万良;正交逼近预测算法及其在电脑充绒机中的应用[J];信息与控制;1994年04期

2 李文泽;盛光磊;;一种基于粒子群的实际业务流预测算法[J];微电子学与计算机;2014年01期

3 杨断利;张立梅;籍颖;吕晶;;河北省风能特征及其对风速预测算法的改进[J];科技传播;2013年06期

4 朱斌;樊祥;马东辉;程正东;;窗口大小和权值模板对固定权值背景预测算法的影响[J];红外与激光工程;2006年S4期

5 王祖俪;程小平;;入侵响应中基于事件相关性的攻击预测算法[J];计算机科学;2005年04期

6 徐庆飞;张新;李卫民;;二维空间中目标轨迹预测算法研究与分析[J];航空电子技术;2012年01期

7 杨双懋;郭伟;唐伟;;基于FARIMA-GARCH模型的网络业务预测算法[J];通信学报;2013年03期

8 李楚斐;谭长庚;韩宇;;车辆网络单跳链路断开时间预测算法[J];计算机工程;2012年02期

9 周璇;杨建成;;基于支持向量回归机的空调逐时负荷滚动预测算法[J];中南大学学报(自然科学版);2014年03期

10 孙道清;分数线快速预测系统在普通高校招生工作中的应用[J];微型机与应用;2004年06期

中国重要会议论文全文数据库 前10条

1 朱斌;樊祥;马东辉;程正东;;窗口大小和权值模板对固定权值背景预测算法的影响[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

2 王峰;姬冰辉;李斗;;一种基于混沌理论的自相似业务流预测算法研究[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

3 钱正祥;徐华;张申浩;;数字信号序列的向量预测算法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

4 郭景峰;代军丽;马鑫;王娟;;针对通信社会网络的时间序列链接预测算法[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

5 张利萍;李宏光;;改进的灰色预测算法在工业应用中的评价[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 崔冬;;一种改进的LRP信道预测算法[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

7 王佳;殷海兵;周冰倩;;一种适合硬件实现的低复杂度MAD预测算法[A];浙江省电子学会2011学术年会论文集[C];2011年

8 郑铭浩;刘志红;巫瑞波;徐峻;;P450各亚型代谢调控剂预测算法[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

9 张晓丹;王萍;;一种基于特征的H.264的子块快速帧内预测算法[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

10 刘志红;郑铭浩;严鑫;巫瑞波;徐峻;;基于结构的化合物稳定性预测算法[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

中国博士学位论文全文数据库 前2条

1 马玉韬;基于滤波理论和特征统计的蛋白质编码区预测算法研究[D];天津大学;2013年

2 玄萍;MicroRNA识别及其与疾病关联的预测算法研究[D];哈尔滨工业大学;2012年

中国硕士学位论文全文数据库 前10条

1 闫青;基于预测算法的快速多尺度金字塔时空特征点计算算法研究[D];青岛科技大学;2016年

2 钱吕见;复杂网络中基于角色传递性和对称性的链接预测算法研究[D];兰州大学;2016年

3 李小科;无模型自适应预测算法及其在非线性过程控制中的应用[D];兰州大学;2016年

4 周攀;基于姿态传感器的人体步态预测算法设计与实现[D];西南交通大学;2016年

5 周真争;基于社团综合属性的链路预测算法研究[D];南京信息工程大学;2016年

6 任程;DSP+FPGA平台功耗管理的研究与实现[D];哈尔滨工业大学;2016年

7 陈威;在线社会媒体的流行性预测研究[D];电子科技大学;2016年

8 戴维夫;卫星在轨状态异变的演变趋势分析与预测算法研究[D];电子科技大学;2016年

9 吕仁俊;LBSN中基于行为分析的用户位置预测[D];东南大学;2015年

10 孙延;混合结构机会网络链路预测技术研究[D];东南大学;2015年

，

本文编号：539411