基于位置社交網(wǎng)絡(luò)的用戶行為建模與研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,隨著移動互聯(lián)網(wǎng)的快速擴展和定位技術(shù)的日趨成熟,與位置社交網(wǎng)絡(luò)相關(guān)的服務(wù)平臺和信息被廣泛應(yīng)用于生活中。位置服務(wù)的廣泛應(yīng)用使得大量的位置數(shù)據(jù)得以積淀下來,這為挖掘位置數(shù)據(jù)背后用戶的行為偏好提供了有力的支撐。通過分析用戶的行為偏好,所構(gòu)建的位置社交平臺可以更好地便利人們的生活與出行,同時有關(guān)于用戶偏好的分析結(jié)果也可以給予商家和相關(guān)行業(yè)的決策者更有益的建議和指導(dǎo)。因此,本文的工作重點是從現(xiàn)在和未來兩個角度出發(fā),挖掘和分析用戶的行為偏好,

2、從而進行興趣點推薦和位置預(yù)測。雖然位置社交網(wǎng)絡(luò)提供了豐富的位置數(shù)據(jù)來源,但是位置數(shù)據(jù)本身的異構(gòu)性和稀疏性等特點給現(xiàn)有的推薦和預(yù)測方法帶來了諸多挑戰(zhàn)。針對位置數(shù)據(jù)的這一系列特點和存在的挑戰(zhàn),本文分別提出了相應(yīng)的方法來更好地應(yīng)對在推薦和預(yù)測問題建模過程中遇到的相關(guān)情況。具體來說包含以下兩個方面:
  1.針對興趣點推薦問題,本文構(gòu)建了一個基于多源異構(gòu)信息的混合興趣點推薦模型。位置社交網(wǎng)絡(luò)中蘊含著豐富的實體和關(guān)聯(lián)關(guān)系,體現(xiàn)在位置數(shù)據(jù)上就

3、是豐富的多源異構(gòu)信息。通過合理的建模和算法設(shè)計來有效地整合這些信息可以改善興趣點推薦的實際效果。針對位置社交網(wǎng)絡(luò)中的多源異構(gòu)信息,本文提出了一種基于用戶虛擬興趣和現(xiàn)實距離相結(jié)合的混合興趣點推薦方法。具體來說,本文采用核密度估計的方法對地理空間距離來進行度量,使用基于好友和有共同簽到地點的用戶的協(xié)同過濾方法來衡量好友和興趣相似的其他用戶對于用戶本身對興趣點的心理認同度的影響,同時使用基于用戶和興趣點文本聚集的概率話題模型來挖掘用戶和興趣點

4、的偏好,從而對用戶虛擬興趣中可解釋的部分進行建模。相應(yīng)的,本文使用概率隱因子模型對用戶虛擬興趣中不可解釋的部分加以建模。最終本文將上述子模塊有機地結(jié)合起來得到混合興趣點推薦模型。本文在兩個典型的位置數(shù)據(jù)集上進行了充分的實驗,實驗結(jié)果表明本文提出的混合興趣點推薦算法優(yōu)于當(dāng)前已有的興趣點推薦算法。此外,模型還具有更準(zhǔn)確的預(yù)測性和很好的健壯性等優(yōu)勢。
  2.針對地點預(yù)測問題,本文提出了一種基于簽到序列的隱話題向量位置預(yù)測模型。研究表明

5、,位置社交網(wǎng)絡(luò)中用戶的行為偏好具有很強的規(guī)律性和可預(yù)測性,并且和用戶與地點所在的情境密切相關(guān)。對于大多數(shù)用戶來說,其簽到記錄相比于整個數(shù)據(jù)的分布而言具有很強的稀疏性。因此如何針對位置數(shù)據(jù)的上述特點構(gòu)建預(yù)測模型來進行地點預(yù)測是一個亟待解決的重要問題。本文提出了一種基于簽到序列的隱話題模型。具體來說,對于位置社交網(wǎng)絡(luò)中的地理空間信息,本文采用基于區(qū)域的高斯分布模型進行建模。為了緩解社交關(guān)系稀疏性對預(yù)測結(jié)果的影響,本文對用戶的社交關(guān)系進行了擴

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論