面向簽到數(shù)據(jù)的位置預(yù)測(cè)算法研究.pdf

1、基于位置的社交網(wǎng)絡(luò)(Location-Based Social Networks，LBSNs)是定位技術(shù)與傳統(tǒng)社交網(wǎng)絡(luò)相融合而產(chǎn)生的。LBSNs允許用戶(hù)在網(wǎng)絡(luò)上發(fā)表文字、圖片、視頻的同時(shí)，也可以分享此刻的地理位置，這些內(nèi)容共同構(gòu)成了簽到數(shù)據(jù)。LBSNs更為豐富的社交體驗(yàn)吸引了越來(lái)越多的用戶(hù)，大量用戶(hù)在使用過(guò)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(hù)的移動(dòng)行為。位置預(yù)測(cè)是人類(lèi)移動(dòng)行為研究領(lǐng)域中一個(gè)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(lái)很多相關(guān)的研究都以簽到記錄作為數(shù)據(jù)來(lái)源。
　　本文的主要工作如下：
　?、賹?duì)已有研究進(jìn)行了全面分析總結(jié)。分析了基于時(shí)間、基于空間以及基于時(shí)間-空間等三類(lèi)位置預(yù)測(cè)模型，并對(duì)引入社交關(guān)系的位置預(yù)測(cè)模型進(jìn)行了研究。
　　②從時(shí)間、空間、社交三個(gè)方面分析了簽到數(shù)據(jù)的特征。分別從整體和單個(gè)用戶(hù)的角度分析了簽到時(shí)間的周期性、簽到地點(diǎn)的規(guī)律性，并考察了社交關(guān)系對(duì)用戶(hù)簽到行為的影響。<

3、br>　?、蹖?duì)基于時(shí)間的位置預(yù)測(cè)模型進(jìn)行了改進(jìn)。通過(guò)高斯混合模型計(jì)算相關(guān)概率時(shí)，針對(duì)已有研究的不足，提出了確定樣本分類(lèi)數(shù)即高斯分量個(gè)數(shù)的具體方法，根據(jù)不同用戶(hù)的簽到特征建立相應(yīng)的計(jì)算模型。
　　④對(duì)基于空間的位置預(yù)測(cè)模型進(jìn)行了改進(jìn)。針對(duì)傳統(tǒng)馬爾科夫模型的不足，提出以序列相似度代替轉(zhuǎn)移概率的位置預(yù)測(cè)模型，更為充分的考慮了歷史移動(dòng)軌跡對(duì)用戶(hù)下一位置的影響。
　?、萏岢隽艘肓松缃魂P(guān)系的基于時(shí)間和空間的位置預(yù)測(cè)模型，通過(guò)影響因子把