欢迎来到天天文库
浏览记录
ID:33013312
大小:3.41 MB
页数:53页
时间:2019-02-19
《lbsn中基于行为分析的用户位置预测》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、。LocationPredictionbasedonUserBehaViorAnalysisinLBSNAThesisSubmittedtoSoumeastUniVers毋FortheAcademicDegreeofMasterofSoRwareEngineeringBYLVRenjunSupervisedbyProfessorCaoJiuxinSeniorEngineerWangQinCollegeofSofhareEngineeringSoutheastUniVers毋June2015东南大学学位论文独创性声嬲煳本人
2、声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名:乓壤日期:三趔一东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的
3、内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。研究生签名:j羔鱼盘导师签名:研究生签名:坚竺l鱼导师签名:日期:沪止。石,P摘要近年来,随着移动终端定位技术和移动互联网技术的快速发展,基于位置的社交网络fLBSN,Location.BaSedSocialNe铆orks)平台取得了巨大的成功。LBSN通过位置特征将虚拟社交空间和现实行为空间连接起来,融合了线上关系与线下行为,
4、使得从各种交互关系和行为轨迹中探知到更本质的群体和个体行为规律成为可能。LBSN中海量的用户签到数据为研究研究位置预测问题提供了数据基础,同时,良好的位置预测算法也为平台带来良好的用户体验,并能够产生巨大的社会和经济效益。当前LBSN对用户将来签到位置的预测的研究主要集中于对用户即将签到的位置预测,这种预测算法只能预测当前访问位置的下一个位置,实际上是一种实时位置预测,这使得这种位置预测算法的应用场景受到限制,对于用户在较远将来的签到位置预测成为位置预测领域亟待解决的问题。基于此,本文提出了给定将来时间的用户签到位置预测
5、问题。针对这个问题,本文首先从时间周期性、签到位置的空问分布、用户的社交关系三个方面入手,在位置点和位置类别两个层面上对可能影响用户在给定将来时间的签到因素进行分析与挖掘,基于此,进行了影响用户签到行为的多维混合特征建模和特征量化,最后提出了基于多维混合特征的位置预测算法(LPMMF)。基于以上算法的研究成果,本文设计并实现了LBSN中基于行为分析的用户位置预测系统。为了验证本文提出算法的性能,并分析本文算法的各个特征的有效性,本文在Foursquare纽约用户签到数据集中对本文的算法进行了实验验证。实验数据表明本文引入
6、的特征都是有效的,其中用户对于位置点的签到时间周期和用户对位置点的签到偏好有较强的作用。对比实验显示了算法的预测效果,证明了本文提出的位置预测算法相对于相关算法有更加良好的效果。关键词:基于位置的社交网络:LBSN;用户行为分析;签到行为预测Abn怕ctABSTRACTInrecentyears,、忻mtllerapiddeVelopmentofmobileternlinallocatingtecllllologyandmobileIntemettechn0109y,location-bausedsocialnetwor
7、k(LBSN)platfo姗hasachieVedgreatsuccess.LocationfbacureinLBSNhaSbuiltbridgesbetween血eVirtIlalsocialspaceandtIlerealbeha们orspaCe.Itcould觚etlleonlinerelationsllip淅t11tlleomineb曲laVior.Ito丘.ersnewoppomlIlit),totrackmoremnd锄e删lawbeIlindbehaviorofgr01叩sandindiViduals让啪u
8、曲interactiVerelation蜘psaIld喇ectories.LBsNplatfomproVidea1arge舢nberofdataformestlldyof10cationprediction,atthesametime,goodlocationpredictionalgorithma1Soprovid
此文档下载收益归作者所有