面向簽到數(shù)據(jù)的位置預測算法研究.pdf

1、基于位置的社交網(wǎng)絡(Location-Based Social Networks，LBSNs)是定位技術與傳統(tǒng)社交網(wǎng)絡相融合而產(chǎn)生的。LBSNs允許用戶在網(wǎng)絡上發(fā)表文字、圖片、視頻的同時，也可以分享此刻的地理位置，這些內容共同構成了簽到數(shù)據(jù)。LBSNs更為豐富的社交體驗吸引了越來越多的用戶，大量用戶在使用過程中生成了海量的簽到數(shù)據(jù)。
　　由于包含位置信息，簽到數(shù)據(jù)可以反映用戶的移動行為。位置預測是人類移動行為研究領域中一個重要的研

2、究方向，由于簽到數(shù)據(jù)較易獲取而且數(shù)據(jù)規(guī)模大，近年來很多相關的研究都以簽到記錄作為數(shù)據(jù)來源。
　　本文的主要工作如下：
　?、賹σ延醒芯窟M行了全面分析總結。分析了基于時間、基于空間以及基于時間-空間等三類位置預測模型，并對引入社交關系的位置預測模型進行了研究。
　　②從時間、空間、社交三個方面分析了簽到數(shù)據(jù)的特征。分別從整體和單個用戶的角度分析了簽到時間的周期性、簽到地點的規(guī)律性，并考察了社交關系對用戶簽到行為的影響。<

3、br>　?、蹖跁r間的位置預測模型進行了改進。通過高斯混合模型計算相關概率時，針對已有研究的不足，提出了確定樣本分類數(shù)即高斯分量個數(shù)的具體方法，根據(jù)不同用戶的簽到特征建立相應的計算模型。
　?、軐诳臻g的位置預測模型進行了改進。針對傳統(tǒng)馬爾科夫模型的不足，提出以序列相似度代替轉移概率的位置預測模型，更為充分的考慮了歷史移動軌跡對用戶下一位置的影響。
　　⑤提出了引入了社交關系的基于時間和空間的位置預測模型，通過影響因子把