發(fā)布時(shí)間：2022-01-14 16:39

　　隨著帶有GPS的智能移動(dòng)設(shè)備的廣泛普及和在線社交網(wǎng)絡(luò)的快速發(fā)展,基于位置的社交媒體應(yīng)運(yùn)而生。在這些社交網(wǎng)絡(luò)上,用戶可以通過(guò)簽到和朋友們共享自己的位置。這些應(yīng)用持續(xù)不斷地發(fā)掘用戶感興趣的位置（即興趣點(diǎn)）,探索這些興趣點(diǎn)的語(yǔ)義信息可以幫助運(yùn)營(yíng)商推測(cè)用戶興趣、預(yù)測(cè)用戶活動(dòng),進(jìn)而提高商品推薦服務(wù)的性能,此外,對(duì)于個(gè)性化路線推薦、用戶軌跡聚類等眾多城市計(jì)算應(yīng)用也具有十分重要的意義。據(jù)統(tǒng)計(jì),簽到數(shù)據(jù)中約30%的興趣點(diǎn)缺少相應(yīng)的類別信息,而且已有的類別信息多是人工標(biāo)注,需要耗費(fèi)極大的時(shí)間和人力成本。針對(duì)位置類別預(yù)測(cè)問(wèn)題,現(xiàn)有的方法主要將其視為分類問(wèn)題,這些方法首先根據(jù)簽到數(shù)據(jù)的多維屬性人工地設(shè)計(jì)一組特征,比如訪問(wèn)頻率、停留時(shí)長(zhǎng)和簽到時(shí)間分布,然后利用提取的特征推斷興趣點(diǎn)的類別,常借助支持向量機(jī)、邏輯回歸等傳統(tǒng)的分類器,或求助于神經(jīng)網(wǎng)絡(luò)模型,如多層感知機(jī)。然而,這些分類器的性能嚴(yán)重依賴于特征選取的方法,而人工地設(shè)計(jì)特征集合需要一定的專業(yè)知識(shí),由于目前還沒(méi)有成熟的方法可供參考,因而設(shè)計(jì)特征是一個(gè)極其困難又耗費(fèi)時(shí)間的過(guò)程,而且在實(shí)際中很難確定一組完備的特征。在本文中,我們從一種全新的角度對(duì)基于位置的社交網(wǎng)... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４－３上下文窗丨丨尺寸欠對(duì)模型性能的影響??

圖４－２嵌入向量維度Ｊ對(duì)模型性能的影響??圖４－２小出，入量由１０增加５０的程中，型的預(yù)測(cè)??

圖４－１迭代次數(shù)／對(duì)模型性能的影響??從圖４－１中能夠看出，隨著迭代次數(shù)的增加，模型的表現(xiàn)忭能逐步地提升，并??

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)序特征的移動(dòng)模式挖掘[J]. 陳?ài)?劉洋,王月,禹曉輝.  中國(guó)科學(xué):信息科學(xué). 2016(09)
[2]基于深度表示模型的移動(dòng)模式挖掘[J]. 陳?ài)?禹曉輝,劉洋.  計(jì)算機(jī)應(yīng)用. 2016(01)

博士論文
[1]軌跡預(yù)測(cè)與意圖挖掘問(wèn)題研究[D]. 陳?ài)?山東大學(xué) 2016



本文編號(hào)：3588851