基于位置社交網(wǎng)絡(luò)的用戶行為建模與研究.pdf

1、近年來(lái)，隨著移動(dòng)互聯(lián)網(wǎng)的快速擴(kuò)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(tái)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(lái)，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(guò)分析用戶的行為偏好，所構(gòu)建的位置社交平臺(tái)可以更好地便利人們的生活與出行，同時(shí)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(diǎn)是從現(xiàn)在和未來(lái)兩個(gè)角度出發(fā)，挖掘和分析用戶的行為偏好，

2、從而進(jìn)行興趣點(diǎn)推薦和位置預(yù)測(cè)。雖然位置社交網(wǎng)絡(luò)提供了豐富的位置數(shù)據(jù)來(lái)源，但是位置數(shù)據(jù)本身的異構(gòu)性和稀疏性等特點(diǎn)給現(xiàn)有的推薦和預(yù)測(cè)方法帶來(lái)了諸多挑戰(zhàn)。針對(duì)位置數(shù)據(jù)的這一系列特點(diǎn)和存在的挑戰(zhàn)，本文分別提出了相應(yīng)的方法來(lái)更好地應(yīng)對(duì)在推薦和預(yù)測(cè)問(wèn)題建模過(guò)程中遇到的相關(guān)情況。具體來(lái)說(shuō)包含以下兩個(gè)方面:
　　1.針對(duì)興趣點(diǎn)推薦問(wèn)題，本文構(gòu)建了一個(gè)基于多源異構(gòu)信息的混合興趣點(diǎn)推薦模型。位置社交網(wǎng)絡(luò)中蘊(yùn)含著豐富的實(shí)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(guò)合理的建模和算法設(shè)計(jì)來(lái)有效地整合這些信息可以改善興趣點(diǎn)推薦的實(shí)際效果。針對(duì)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(shí)距離相結(jié)合的混合興趣點(diǎn)推薦方法。具體來(lái)說(shuō)，本文采用核密度估計(jì)的方法對(duì)地理空間距離來(lái)進(jìn)行度量，使用基于好友和有共同簽到地點(diǎn)的用戶的協(xié)同過(guò)濾方法來(lái)衡量好友和興趣相似的其他用戶對(duì)于用戶本身對(duì)興趣點(diǎn)的心理認(rèn)同度的影響，同時(shí)使用基于用戶和興趣點(diǎn)文本聚集的概率話題模型來(lái)挖掘用戶和興趣點(diǎn)

4、的偏好，從而對(duì)用戶虛擬興趣中可解釋的部分進(jìn)行建模。相應(yīng)的，本文使用概率隱因子模型對(duì)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(jī)地結(jié)合起來(lái)得到混合興趣點(diǎn)推薦模型。本文在兩個(gè)典型的位置數(shù)據(jù)集上進(jìn)行了充分的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文提出的混合興趣點(diǎn)推薦算法優(yōu)于當(dāng)前已有的興趣點(diǎn)推薦算法。此外，模型還具有更準(zhǔn)確的預(yù)測(cè)性和很好的健壯性等優(yōu)勢(shì)。
　　2.針對(duì)地點(diǎn)預(yù)測(cè)問(wèn)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(cè)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(qiáng)的規(guī)律性和可預(yù)測(cè)性，并且和用戶與地點(diǎn)所在的情境密切相關(guān)。對(duì)于大多數(shù)用戶來(lái)說(shuō)，其簽到記錄相比于整個(gè)數(shù)據(jù)的分布而言具有很強(qiáng)的稀疏性。因此如何針對(duì)位置數(shù)據(jù)的上述特點(diǎn)構(gòu)建預(yù)測(cè)模型來(lái)進(jìn)行地點(diǎn)預(yù)測(cè)是一個(gè)亟待解決的重要問(wèn)題。本文提出了一種基于簽到序列的隱話題模型。具體來(lái)說(shuō)，對(duì)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(jìn)行建模。為了緩解社交關(guān)系稀疏性對(duì)預(yù)測(cè)結(jié)果的影響，本文對(duì)用戶的社交關(guān)系進(jìn)行了擴(kuò)