移動(dòng)互聯(lián)網(wǎng)（Mobile Internet）和全球定位系統(tǒng)（Global Positioning System,GPS）技術(shù)的進(jìn)步帶動(dòng)了基于位置的移動(dòng)社交網(wǎng)絡(luò)（Location-based social networks,LBSNs）的快速發(fā)展,因此積累了海量的簽到數(shù)據(jù)。LBSNs數(shù)據(jù)中隱藏了大量的從用戶的活動(dòng)特征和行為模式,因此對LBSNs數(shù)據(jù)的特征提取工作成為了熱門的研究問題。從中發(fā)現(xiàn)對用戶出行和城市發(fā)展的價(jià)值,對進(jìn)一步提升基于位置的服務(wù)質(zhì)量有重要意義。本文從LBSNs中用戶的簽到行為出發(fā),研究了用戶簽到的位置特征和語義特征,挖掘了城市中用戶的行為模式,具體工作體現(xiàn)在以下三個(gè)方面:（1）基于用戶簽到行為的位置特征提取。簽到數(shù)據(jù)中包含海量的位置信息,本文對LBSNs中的簽到點(diǎn)進(jìn)行聚類,發(fā)現(xiàn)作為訪問熱點(diǎn)的POI（Point of Interest）（用戶簽到頻次較高的熱點(diǎn)區(qū)域）,從而提取出用戶的位置特征。針對LBSNs數(shù)據(jù)量大和密度分布不均勻等特點(diǎn),本文提出了兩種基于集成思想的聚類算法:1)基于Meanshift和K-means的集成聚類算法;2)基于DPC和KNN的集成聚類算法。在與... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 課題背景
        1.1.1 LBSNs的發(fā)展現(xiàn)狀
        1.1.2 LBSNs中位置信息的重要作用
        1.1.3 用戶特征和行為模式提取的必要性
    1.2 本文工作內(nèi)容和創(chuàng)新點(diǎn)
        1.2.1 本文的工作內(nèi)容
        1.2.2 本文的創(chuàng)新點(diǎn)
    1.3 本文的組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 相關(guān)背景知識(shí)介紹
    2.1 POI提取的相關(guān)工作
    2.2 POI語義標(biāo)注的相關(guān)工作
    2.3 城市功能區(qū)識(shí)別的相關(guān)工作
    2.4 數(shù)據(jù)集介紹
        2.4.1 Flickr數(shù)據(jù)集簡介
        2.4.2 Flickr數(shù)據(jù)的預(yù)處理
    2.5 本章小結(jié)
第三章 基于用戶簽到的位置特征提取
    3.1 聚類算法概述
        3.1.1 經(jīng)典聚類算法
        3.1.2 聚類算法在LBSNs數(shù)據(jù)分析中的應(yīng)用
    3.2 基于層次思想的集成聚類算法
        3.2.1 基于Meanshift和K-means的集成聚類算法
        3.2.2 基于DPC和KNN的集成聚類算法
    3.3 實(shí)驗(yàn)與驗(yàn)證
        3.3.1 實(shí)驗(yàn)中的評價(jià)指標(biāo)
        3.3.2 地理距離計(jì)算
        3.3.3 基于基準(zhǔn)數(shù)據(jù)集的聚類效果比較試驗(yàn)
        3.3.4 基于Flickr數(shù)據(jù)集的聚類效果比較試驗(yàn)
    3.4 本章小結(jié)
第四章 基于文本內(nèi)容的語義特征挖掘
    4.1 文本模式的提取
    4.2 語義詞典的構(gòu)造
    4.3 POI語義類別的關(guān)聯(lián)
    4.4 實(shí)驗(yàn)與驗(yàn)證
        4.4.1 語義識(shí)別的結(jié)果
        4.4.2 將POI與語義相關(guān)聯(lián)的結(jié)果
        4.4.3 方法對比及討論
    4.5 本章小結(jié)
第五章 基于用戶行為模式的城市功能區(qū)識(shí)別
    5.1 概率主題模型概述
    5.2 基于LDA的功能區(qū)劃分方法
    5.3 實(shí)驗(yàn)與驗(yàn)證
        5.3.1 數(shù)據(jù)準(zhǔn)備及參數(shù)設(shè)置
        5.3.2 識(shí)別結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
附錄1 程序清單
附錄2 攻讀碩士學(xué)位期間撰寫的論文
附錄3 攻讀碩士學(xué)位期間申請的專利
附錄4 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]LBSN中融合多維關(guān)系的社區(qū)發(fā)現(xiàn)方法[J]. 龔衛(wèi)華,陳彥強(qiáng),裴小兵,楊良懷.  軟件學(xué)報(bào). 2018(04)
[2]基于簽到數(shù)據(jù)的城市熱點(diǎn)功能區(qū)識(shí)別研究[J]. 寧鵬飛,萬幼,沈怡然,任福.  測繪地理信息. 2018(02)
[3]基于居民出行特征的北京城市功能區(qū)識(shí)別與空間交互研究[J]. 陳澤東,譙博文,張晶.  地球信息科學(xué)學(xué)報(bào). 2018(03)
[4]國外社交網(wǎng)絡(luò)位置信息分享研究述評[J]. 鄧勝利,林艷青,付少雄.  情報(bào)資料工作. 2018(02)
[5]面向LBSN的k-medoids聚類算法[J]. 羅維佳,喬少杰,韓楠,元昌安,閉應(yīng)洲,舒紅平.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(01)
[6]基于潛在語義信息的城市功能區(qū)識(shí)別——廣州市浮動(dòng)車GPS時(shí)空數(shù)據(jù)挖掘[J]. 陳世莉,陶海燕,李旭亮,卓莉.  地理學(xué)報(bào). 2016(03)
[7]基于位置社交網(wǎng)絡(luò)中地點(diǎn)聚類推薦方法[J]. 李朔,石宇良.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2016(03)
[8]基于簽到數(shù)據(jù)的城市活動(dòng)時(shí)空間動(dòng)態(tài)變化及區(qū)劃研究[J]. 王波,甄峰,張浩.  地理科學(xué). 2015(02)
[9]基于語義知識(shí)的空間關(guān)系識(shí)別研究[J]. 袁燁城,劉海江,裴韜,高錫章.  地球信息科學(xué)學(xué)報(bào). 2014(05)
[10]聚類分析中K-鄰近算法的研究[J]. 宋園,陳永平.  電子制作. 2013(19)

碩士論文
[1]深度學(xué)習(xí)在城市功能區(qū)域劃分中的應(yīng)用研究[D]. 王勝利.電子科技大學(xué) 2018
[2]基于位置簽到及POI數(shù)據(jù)的城市熱點(diǎn)區(qū)域時(shí)空特征研究[D]. 胥嘯宇.山東理工大學(xué) 2018
[3]基于LBSN的社區(qū)發(fā)現(xiàn)與位置推薦研究[D]. 賈小陶.重慶郵電大學(xué) 2017
[4]空間數(shù)據(jù)聚類分析算法研究及實(shí)現(xiàn)[D]. 劉生鑫.中國地質(zhì)大學(xué)（北京） 2011



本文編號(hào)：3506004