移動用戶行為分析算法與平臺研究.pdf

1、在當(dāng)今的科技和網(wǎng)絡(luò)時代，人類行為數(shù)據(jù)的采集和保存變得容易，這為研究人類行為創(chuàng)造了有利的條件。CDR（Call Detail Record，呼叫詳細(xì)記錄）數(shù)據(jù)作為人類行為數(shù)據(jù)的一種，真實(shí)地記錄了移動用戶日常的活動軌跡，能夠很好地反映出人類的時空行為模式，因而具有很大的研究價值。
　　為了有效并且高效地對移動用戶行為進(jìn)行研究，本文參與設(shè)計和實(shí)現(xiàn)了一個移動用戶行為分析平臺，該平臺可以提供對移動用戶行為數(shù)據(jù)的管理、分析、計算以及計算結(jié)果的

2、呈現(xiàn)等完整的功能。并且，該平臺充分利用了數(shù)據(jù)可視化技術(shù)在知識發(fā)現(xiàn)上的優(yōu)勢，對CDR數(shù)據(jù)進(jìn)行了有效的可視化呈現(xiàn)。
　　借助于該平臺，本文對CDR數(shù)據(jù)進(jìn)行了研究，主要關(guān)注移動用戶活動軌跡，分析了軌跡中隱藏的移動用戶行為特性，并先后提出了兩種基于軌跡特征的用戶識別算法。基于軌跡特征的用戶識別算法的關(guān)鍵在于找到能夠有效表征用戶軌跡的特征量。本文提出的第一種方法將位置概率分布向量作為用戶軌跡的特征量，該方法利用了軌跡的空間信息；第二種方法在

3、第一種方法的基礎(chǔ)上，加入了位置之間的時序關(guān)系，將位置轉(zhuǎn)移頻率矩陣作為用戶軌跡的特征量。有了軌跡的特征量之后，通過衡量軌跡特征量之間的相似度就可以得到其對應(yīng)軌跡的相似性，本文利用余弦相似度對這些軌跡特征量的相似度進(jìn)行了衡量。最后，本文認(rèn)為相似性最高的軌跡更有可能屬于同一個用戶，以此得到用戶識別的結(jié)果。
　　為驗(yàn)證算法的有效性和適用性，在不同條件下進(jìn)行了測試，包括通過選取不同大小的時間段來控制軌跡的長度，通過選取不同通話頻率的用戶群來