基于大規(guī)模手機感知數(shù)據的用戶特性挖掘.pdf

1、智能手機逐漸成為人們日常生活中不可或缺的一部分。作為智能手機的主體，用戶在頻繁使用手機的過程中產生了大量的個人歷史數(shù)據。這些歷史數(shù)據可以概括為以下幾種:1）位置信號，通過GPS、手機信號塔、WiFi等方式獲取的地理位置信息;2)使用信號，記錄了用戶在何時何地使用了手機做了什么;3）社交信號，隱含在CDR(call detail record)，GPS,WiFi/藍牙連接以及通訊錄等數(shù)據里;4）個人行為信號，通過加速度、陀螺儀、相機等傳感

2、器獲取?？紤]到智能手機經常被同一個用戶使用，這些歷史數(shù)據隱含了很多與用戶相關的個性化信息，例如性別，年齡，職業(yè)，婚姻狀況等，也在一定程度上反應了用戶的生活習慣和興趣愛好。智能手機為推測用戶屬性與特征、理解用戶提供了新的信息渠道。
　　通過智能手機感知數(shù)據理解用戶不僅有商業(yè)價值，并且可以幫助用戶更好地理解自己。首先，通過智能手機感知數(shù)據理解用戶有很強的商業(yè)價值，可以用來改善設備，應用和服務。例如，通過理解用戶的興趣愛好、屬性等基本信

3、息更好地提高應用的個性化，例如，個性化網頁搜索和個性化推薦，進而提高商業(yè)利益。其次，通過手機記錄的數(shù)據來理解用戶可以幫助用戶更全面更客觀地了解自己。手機記錄的一些行為信息可以幫助用戶去客觀的了解自己，也幫助他們發(fā)現(xiàn)自己不了解的一面。另外，人們的記憶能力是有限的，而手機的記錄是無限的，可以持續(xù)長時間的記錄用戶的行為信息，從而幫助用戶全面地理解自己。用戶更全面地理解自己，可以幫助用戶改善不健康的生活習慣等，從而提高生活質量。
　　本文

4、基于真實的手機感知數(shù)據，以理論研究為基礎，著重從位置信息、手機App的安裝信息以及手機app的使用信息等三個方面來理解用戶的移動性、生活模式、興趣偏好及習慣等特性?？紤]到移動信息揭示了用戶在日常生活中“何時”“何地”的基本要素，首先通過匿名WiFi掃描列推測用戶的動態(tài)屬性，移動性;其次，試圖通過手機App安裝列表挖掘用戶的靜態(tài)屬性，例如年齡、性別、興趣、偏好等;最后，通過手機App的使用信息去綜合理解用戶之間的相似性和差異性，并發(fā)現(xiàn)多個

5、用戶群體的存在。具體研究內容與意義描述如下:
　　(1)基于匿名WiFi掃描列表的用戶移動模式分析
　　首先，試圖從匿名的WiFi掃描列表里推測用戶的移動軌跡，并在此基礎上發(fā)現(xiàn)用戶的生活方式。在WiFi掃描列表里提取出駐留地點之后，利用圖論知識給每個用戶建立了移動圖，以描述他/她的移動軌跡。在用戶的移動圖里，通過社群檢測的方法推測出用戶的活動區(qū)域。在發(fā)現(xiàn)的活動區(qū)域的基礎之上，定義了活躍性和多樣性兩個指標來衡量用戶的移動性。除

6、此之外，識別出家庭和工作地點兩個重要的地點，并學習用戶在家和工作地點方面的生活習慣，例如，某個用戶在家待的平均時長，晚上外出的活躍性，分別在工作日和周末的工作時長等。在Device Analyzer數(shù)據集上驗證了我們的方法，其中Device Analyzer數(shù)據及包含了17，000多個用戶詳細的手機使用信息。
　　(2)基于手機App安裝列表的用戶屬性挖掘
　　除了推測用戶的動態(tài)屬性，移動性，還試圖通過手機app安裝列表挖掘

7、用戶的靜態(tài)屬性，例如，性別、年齡、興趣、偏好等。嘗試通過用戶的手機App安裝列表去挖掘用戶的屬性。提出基于特定屬性的表征方法來描述用戶的特性，并且對手機app與特定的屬性之間的關系進行建模。為了驗證我們的方法，在一個包含100，000多用戶的手機App列表的數(shù)據集上做了很多實驗。我們的方法對于12個預定義的用戶屬性，平均等錯誤率為16.4％。據所知，這是第一個通過手機App安裝列表來挖掘用戶屬性的工作。
　　(3)基于手機App使