基于地理信息的檢索和用戶數(shù)據(jù)挖掘.pdf

1、Web技術的發(fā)展，使得網(wǎng)頁中包含了大量的地理信息，挖掘網(wǎng)頁中包含的地理信息，將其應用到傳統(tǒng)的信息檢索領域，有助于搜索引擎更好的理解用戶的查詢意圖，產(chǎn)生個性化的搜索結果。移動互聯(lián)網(wǎng)技術和基于位置服務LBS(Location-based services)的迅猛發(fā)展，催生了新的社交網(wǎng)絡。用戶在這些新的社交網(wǎng)絡中，可以發(fā)表自己的看法，實時記錄自己參加的活動和活動場所。這就使得通過大量真實的用戶數(shù)據(jù)挖掘用戶的活動范圍、學習用戶行為習慣成為可能，

2、從而可以提供更好地廣告服務和個性化推薦。
　　本文主要從以下三個方面對地理信息的應用進行研究:
　　首先，基于文檔地名感知的地理信息檢索模型，將地理信息應用到傳統(tǒng)的信息檢索模型中。區(qū)別于其它的地理信息檢索模型，此模型不使用最小邊界矩形確定文檔范圍，將文檔索引在單一的空間索引中，而是將文檔按其中出現(xiàn)的地名索引在多個空間范圍內(nèi)，計算單個地名范圍與查詢范圍的相似度，將所有相似度的和作為地理相關性。模型融合時，考慮了地理信息的層次特

3、征和文檔的特征。實驗表明本文的模型優(yōu)于傳統(tǒng)的檢索模型和確定文檔地理范圍的地理信息檢索模型。
　　其次，Twitter中基于用戶tweet內(nèi)容和社會網(wǎng)絡的用戶位置預測。如果獲取到用戶經(jīng)?；顒拥姆秶?，互聯(lián)網(wǎng)就可以提供更加個性化的推薦服務。用戶在發(fā)表tweet時都會有意或無意的泄漏一些地理詞（地名或者是方言詞匯），并且他們在社交網(wǎng)絡中更關注生活在周圍的人，本文提出一種融合文本模型與社會網(wǎng)絡模型的混合概率模型來預測用戶的位置。在文本模型中

4、，提出兩種識別地理詞的方法，反位置頻率和偏遠位置過濾，同時也考慮了命名實體識別這種傳統(tǒng)的地理詞識別方法;在社會網(wǎng)絡模型中本文考慮了用戶粉絲（或者是關注）的網(wǎng)絡關系。實驗結果證明本文的方法預測效果要好于之前的方法。
　　最后，LBS中基于用戶興趣和時間的位置推薦。LBS中用戶海量的簽到數(shù)據(jù)，為學習用戶的行為習慣、興趣愛好和位置的特征提供了便捷條件，從而可以更好的為用戶其推薦感興趣的和合適的場所。本文提出一種推薦模型，它考慮了用戶的訪