基于位置社交網(wǎng)絡的用戶行為建模與研究.pdf

1、近年來，隨著移動互聯(lián)網(wǎng)的快速擴展和定位技術的日趨成熟，與位置社交網(wǎng)絡相關的服務平臺和信息被廣泛應用于生活中。位置服務的廣泛應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，同時有關于用戶偏好的分析結果也可以給予商家和相關行業(yè)的決策者更有益的建議和指導。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測。雖然位置社交網(wǎng)絡提供了豐富的位置數(shù)據(jù)來源，但是位置數(shù)據(jù)本身的異構性和稀疏性等特點給現(xiàn)有的推薦和預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的方法來更好地應對在推薦和預測問題建模過程中遇到的相關情況。具體來說包含以下兩個方面:
　　1.針對興趣點推薦問題，本文構建了一個基于多源異構信息的混合興趣點推薦模型。位置社交網(wǎng)絡中蘊含著豐富的實體和關聯(lián)關系，體現(xiàn)在位置數(shù)據(jù)上就

3、是豐富的多源異構信息。通過合理的建模和算法設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)絡中的多源異構信息，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，實驗結果表明本文提出的混合興趣點推薦算法優(yōu)于當前已有的興趣點推薦算法。此外，模型還具有更準確的預測性和很好的健壯性等優(yōu)勢。
　　2.針對地點預測問題，本文提出了一種基于簽到序列的隱話題向量位置預測模型。研究表明

5、，位置社交網(wǎng)絡中用戶的行為偏好具有很強的規(guī)律性和可預測性，并且和用戶與地點所在的情境密切相關。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)的上述特點構建預測模型來進行地點預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。為了緩解社交關系稀疏性對預測結果的影響，本文對用戶的社交關系進行了擴