基于地理信息的檢索和用戶數(shù)據(jù)挖掘.pdf

1、Web技術(shù)的發(fā)展，使得網(wǎng)頁中包含了大量的地理信息，挖掘網(wǎng)頁中包含的地理信息，將其應(yīng)用到傳統(tǒng)的信息檢索領(lǐng)域，有助于搜索引擎更好的理解用戶的查詢意圖，產(chǎn)生個(gè)性化的搜索結(jié)果。移動(dòng)互聯(lián)網(wǎng)技術(shù)和基于位置服務(wù)LBS(Location-based services)的迅猛發(fā)展，催生了新的社交網(wǎng)絡(luò)。用戶在這些新的社交網(wǎng)絡(luò)中，可以發(fā)表自己的看法，實(shí)時(shí)記錄自己參加的活動(dòng)和活動(dòng)場所。這就使得通過大量真實(shí)的用戶數(shù)據(jù)挖掘用戶的活動(dòng)范圍、學(xué)習(xí)用戶行為習(xí)慣成為可能，

2、從而可以提供更好地廣告服務(wù)和個(gè)性化推薦。
　　本文主要從以下三個(gè)方面對地理信息的應(yīng)用進(jìn)行研究:
　　首先，基于文檔地名感知的地理信息檢索模型，將地理信息應(yīng)用到傳統(tǒng)的信息檢索模型中。區(qū)別于其它的地理信息檢索模型，此模型不使用最小邊界矩形確定文檔范圍，將文檔索引在單一的空間索引中，而是將文檔按其中出現(xiàn)的地名索引在多個(gè)空間范圍內(nèi)，計(jì)算單個(gè)地名范圍與查詢范圍的相似度，將所有相似度的和作為地理相關(guān)性。模型融合時(shí)，考慮了地理信息的層次特

3、征和文檔的特征。實(shí)驗(yàn)表明本文的模型優(yōu)于傳統(tǒng)的檢索模型和確定文檔地理范圍的地理信息檢索模型。
　　其次，Twitter中基于用戶tweet內(nèi)容和社會(huì)網(wǎng)絡(luò)的用戶位置預(yù)測。如果獲取到用戶經(jīng)?；顒?dòng)的范圍，互聯(lián)網(wǎng)就可以提供更加個(gè)性化的推薦服務(wù)。用戶在發(fā)表tweet時(shí)都會(huì)有意或無意的泄漏一些地理詞（地名或者是方言詞匯），并且他們在社交網(wǎng)絡(luò)中更關(guān)注生活在周圍的人，本文提出一種融合文本模型與社會(huì)網(wǎng)絡(luò)模型的混合概率模型來預(yù)測用戶的位置。在文本模型中

4、，提出兩種識別地理詞的方法，反位置頻率和偏遠(yuǎn)位置過濾，同時(shí)也考慮了命名實(shí)體識別這種傳統(tǒng)的地理詞識別方法;在社會(huì)網(wǎng)絡(luò)模型中本文考慮了用戶粉絲（或者是關(guān)注）的網(wǎng)絡(luò)關(guān)系。實(shí)驗(yàn)結(jié)果證明本文的方法預(yù)測效果要好于之前的方法。
　　最后，LBS中基于用戶興趣和時(shí)間的位置推薦。LBS中用戶海量的簽到數(shù)據(jù)，為學(xué)習(xí)用戶的行為習(xí)慣、興趣愛好和位置的特征提供了便捷條件，從而可以更好的為用戶其推薦感興趣的和合適的場所。本文提出一種推薦模型，它考慮了用戶的訪