移动社交网络中用户行为分析和位置预测研究

发布时间：2024-05-22 22:33

　　随着全球定位系统(Global Positioning System,GPS)设备的普及和基于位置的移动社交网络(Location-based social networks,LBSNs)的迅猛发展,海量的轨迹数据正在我们的日常生活中源源不断地积累。因为这类数据包含了人群移动的时空和语义等特征,所以这类数据对分析用户行为模式和预测用户下一个位置都至关重要。通过对近年来相关文献的调研,虽然已经有一些基于时空特征对用户轨迹进行预测的相关研究,但在缺乏语义特征的轨迹数据位置预测问题中以往的研究忽视了用户在当前位置当前时间的语义信息,但该信息对理解用户行为和位置预测是至关重要的,因此本文在数据集中缺乏了地点语义的情况下分析和提取了位置语义并结合语义强化和时空特征提出了一种有效的用户位置预测算法,同时还改进了一种城市“热区”挖掘算法,并构建了一个挖掘移动社交网络大数据的原型系统。首先,通过研究移动社交网络中的多维特征,提出了一种停留点语义化算法和城市“热区”挖掘算法。其中,停留点语义化提升了用户位置预测的准确率,加速了模型训练时的收敛速度;根据轮廓系数对本文的“热区”挖掘算法进行了验证,其聚类效...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图3.1Foursquare签到数据的全球分布

户的行为规律和如何进行时间特征、空间特征的提取和位置语义信息的提取。最后论述本文提出的城市“热区”挖掘算法，对移动社交网络中的用户行为利用群体智慧进行分析和挖掘。用户的空间分布特征分析与提取移动社交网络中的用户行为在空间维度上存在一些显著的特征，例如，当用户在访问一系列的连续位置....

图3.2Foursquare空间特征-连续签到距离与概率关系图

学专业学位硕士研究生学位论文第三章移动社交网络中的用户通过验证性实验表明“Levyflight”在两个连续的签到历史记录的距离分布如图3.2Foursquare空间特征-连续签到距离与概率关系图所示，用户的连的递增呈现概率重尾现象。现实生活中，这种空间特征属性能够用来....

图3.3用户行为基于改进的频繁访问模型的平滑高斯分布

学专业学位硕士研究生学位论文第三章移动社交网络中的用户左右去餐馆吃饭，并且人们一般都习惯在周五的21点左右去电影院看电场购物。这些多样的时间周期规律模式能够用更好的理解用户行为。当用，通常会在特定的时间段内，很少在其他时段访问某些特定的位置，例如酒吧。下图3.3是基于....

图3.4Foursquare签到分类统计分析

代表Check-in动作的次数。基于对用户时间特征的分析与提取能够更好的在时间维度上的规律，为移动社交网络中位置预测等服务提供更为智能和模型。位置语义特征分析与提取位置（停留点）语义可以用来理解用户的行为内涵，在移动社交网络数据富且举足轻重的地位。事实上，当下所熟知的位置预测....

本文编号：3980625