欢迎来到天天文库
浏览记录
ID:35186256
大小:2.03 MB
页数:53页
时间:2019-03-21
《移动社交网络中的位置预测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号TP399密级公开UDC004学位论文编号D-10617-308-(2016)-02070重庆邮电大学硕士学位论文中文题目移动社交网络中的位置预测方法研究英文题目ExploringLocationPerditioninMobileSocialNetwork学号S130201073姓名吴琪学位类别工学硕士学科专业计算机科学与技术指导教师苏畅教授完成日期2016年4月17日重庆邮电大学硕士学位论文摘要摘要如今互联网飞速发展,社交网络已经广泛成为用户分享和交流信息的平台,而智能终端的普及和定位技术的推广,加速了社交网络和基于位置的服务相互
2、融合,形成了移动社交网络(MobileSocialNetworks,MSN)。移动社交网络允许用户在真实世界中进行签到,支持用户随时随地上传包含自身位置信息的签到数据并与社交好友分享,这有效缩小了虚拟世界和真实世界之间的距离,移动社交网络也因此受到了众多用户的青睐。利用签到数据分析用户行为模式、偏好既可以为用户体验生活、交友提供便利,也能为智能交通、城市计算等提供帮助,同时对在线广告、移动推荐和其他很多商业应用也都有着巨大的商业价值。本文利用移动社交网络中签到数据对位置预测问题进行了研究,主要的研究成果如下:1.本文通过分析用户签到的时间
3、特征,提出了一种基于时间特征的位置预测算法,该算法首先以马尔可夫模型对位置预测问题进行建模,然后结合用户签到的时间特征来提升预测的效果。通过在两个真实的签到数据集上进行实验,我们发现相比基准算法,本文所提出的算法在预测性能上提升了15%~20%。2.本文分析了基于频繁模式的位置预测算法,发现这类算法只能对用户在已签到过地点进行预测,而无法刻画用户对未访问地点的签到偏好,进而提出了结合协同社交知识的位置预测算法。该算法不仅提取了用户访问常规地点的特征,同时运用协同过滤技术对用户访问新颖地点的情况做出预测,然后将提取出的各个特征采用M5模型树
4、和线性回归的方式进行决策融合,以此来提高预测性能,最后在两个真实签到数据集上的实验表明本文提出的算法相对于基准算法提升了19%~21%,证明了新颖位置预测可以很好地应用到位置预测中。关键词:移动社交网络,位置预测,协同过滤I重庆邮电大学硕士学位论文AbstractAbstractWiththethrivingofInternet,socialnetworkshavebecomeapopularformofsocialmediarecently,whileSocialnetworksandlocation-basedservicesbega
5、ntocoalescealongtheincreasingpopularityofmobileterminalsandpositioningtechnology.Then,mobilesocialnetworkscomeintobeing.Theyprovidelocationrelatedservicesthatallowusersto“check-in”atgeographicallocationsandsharesuchexperienceswiththeirfriends.Largenumbersof“check-in”recor
6、dscontinuetoaccumulateovertime,whichcontainrichinformationofsocialandgeographicalcontextandprovideauniqueopportunityforresearcherstostudyusers’humanmobilitypattern,whichinturnenablesavarietyofservicesincludingplaceadvertisement,intelligenttransportation,andUrbanComputing.
7、Inthispaper,wemainlystudytheproblemofuser'slocationpredictionbyminingbasedonthe“check-in”data,andthecontributionsofourworkaresummarizedbelow:1.Weputforwardapredictionalgorithmbasedonthetemporalfeatures.Thepredictionalgorithmpredictsusers’mobilitybasedonMarkovmodel,andthen
8、combinesthetemporalfeaturesoftoamendthepredictionresults.Byevaluatingouralgorithmontworealcheck-
此文档下载收益归作者所有