LBSN中基于行為分析的用戶位置預(yù)測(cè).pdf

1、近年來(lái)，隨著移動(dòng)終端定位技術(shù)和移動(dòng)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，基于位置的社交網(wǎng)絡(luò)(LBSN，Location-Based Social Networks)平臺(tái)取得了巨大的成功。LBSN通過(guò)位置特征將虛擬社交空間和現(xiàn)實(shí)行為空間連接起來(lái)，融合了線上關(guān)系與線下行為，使得從各種交互關(guān)系和行為軌跡中探知到更本質(zhì)的群體和個(gè)體行為規(guī)律成為可能。LBSN中海量的用戶簽到數(shù)據(jù)為研究研究位置預(yù)測(cè)問(wèn)題提供了數(shù)據(jù)基礎(chǔ)，同時(shí)，良好的位置預(yù)測(cè)算法也為平臺(tái)帶來(lái)良好的用戶體

2、驗(yàn)，并能夠產(chǎn)生巨大的社會(huì)和經(jīng)濟(jì)效益。
　　當(dāng)前LBSN對(duì)用戶將來(lái)簽到位置的預(yù)測(cè)的研究主要集中于對(duì)用戶即將簽到的位置預(yù)測(cè)，這種預(yù)測(cè)算法只能預(yù)測(cè)當(dāng)前訪問(wèn)位置的下一個(gè)位置，實(shí)際上是一種實(shí)時(shí)位置預(yù)測(cè)，這使得這種位置預(yù)測(cè)算法的應(yīng)用場(chǎng)景受到限制，對(duì)于用戶在較遠(yuǎn)將來(lái)的簽到位置預(yù)測(cè)成為位置預(yù)測(cè)領(lǐng)域亟待解決的問(wèn)題?；诖?，本文提出了給定將來(lái)時(shí)間的用戶簽到位置預(yù)測(cè)問(wèn)題。
　　針對(duì)這個(gè)問(wèn)題，本文首先從時(shí)間周期性、簽到位置的空間分布、用戶的社交關(guān)系

3、三個(gè)方面入手，在位置點(diǎn)和位置類別兩個(gè)層面上對(duì)可能影響用戶在給定將來(lái)時(shí)間的簽到因素進(jìn)行分析與挖掘，基于此，進(jìn)行了影響用戶簽到行為的多維混合特征建模和特征量化，最后提出了基于多維混合特征的位置預(yù)測(cè)算法(LPMMF)?；谝陨纤惴ǖ难芯砍晒?，本文設(shè)計(jì)并實(shí)現(xiàn)了LBSN中基于行為分析的用戶位置預(yù)測(cè)系統(tǒng)。
　　為了驗(yàn)證本文提出算法的性能，并分析本文算法的各個(gè)特征的有效性，本文在Foursquare紐約用戶簽到數(shù)據(jù)集中對(duì)本文的算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證