隨著移動智能終端的普及,移動社交網(wǎng)絡也隨之興起,多樣化的定位技術使得人們可以隨時隨地通過便攜式智能終端設備獲得自己所在的地理位置�；谖恢玫纳缃痪W(wǎng)絡（LBSN）應運而生,移動社交網(wǎng)絡可觀的活躍用戶產(chǎn)生了大量位置數(shù)據(jù),給研究用戶的行為模式、生活規(guī)律和個人偏好,以及提供優(yōu)質(zhì)的個性化服務帶來契機。本文從頻率模式、時間特征、空間特征、社交因素和天氣特征等方面對基于位置的社交網(wǎng)絡用戶的簽到行為進行分析及預測,針對與用戶簽到行為相關的問題進行了深入的探討與研究,成果如下:1.通過分析用戶簽到頻率模式、時序特征和天氣特征,本文提出了一種基于時序與天氣特征的位置預測模型（WTMC）。首先用頻率模式通過馬爾科夫模型對簽到預測問題建模,再結(jié)合時序偏好來修正預測結(jié)果,最后融合位置天氣特征對用戶簽到的影響得到最終的預測結(jié)果。在兩個真實簽到數(shù)據(jù)集上的實驗表明WTMC比基準算法的準確率提升了5%¹0%。2.數(shù)據(jù)分析表明簽到相異性不同的用戶在時間空間等方面的表現(xiàn)有著明顯的區(qū)別,本文基于此特性提出了一種新穎的混合模型,即基于用戶相異性具有情境感知的位置預測模型（UDR）。UDR模型由兩個子模型組成...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

;圖2.1LBSN的結(jié)構(gòu);

的移動社交網(wǎng)絡是由移動社交網(wǎng)絡與基于位置的服務)結(jié)合而成的。從社交網(wǎng)絡的多項研究中可對基于位置的[41]，在移動社交網(wǎng)絡中通過加入位置特征，使得用戶便交網(wǎng)絡，該網(wǎng)絡依據(jù)用戶在現(xiàn)實世界中的位置信息來獲包括用戶之間共同訪問的地點或有相同的行為活動。的移動社交網(wǎng)絡兩個核心內(nèi)容是用戶和位....

圖2.1LBSN的結(jié)構(gòu)

的移動社交網(wǎng)絡是由移動社交網(wǎng)絡與基于位置的服務)結(jié)合而成的。從社交網(wǎng)絡的多項研究中可對基于位置的[41]，在移動社交網(wǎng)絡中通過加入位置特征，使得用戶便交網(wǎng)絡，該網(wǎng)絡依據(jù)用戶在現(xiàn)實世界中的位置信息來獲包括用戶之間共同訪問的地點或有相同的行為活動。的移動社交網(wǎng)絡兩個核心內(nèi)容是用戶和位....

圖4.1基于用戶相異性具有情境感知的位置預測框架結(jié)構(gòu)

圖4.1基于用戶相異性具有情境感知的位置預測框架結(jié)構(gòu).2問題陳述與模型框架本節(jié)定義數(shù)據(jù)結(jié)構(gòu)，闡述研究問題并展示模型框架。從LBSN簽到信息中提取據(jù)特征，包括用戶簽到時間信息和社交信息、興趣點地理信息、興趣點天氣信息。了便于說明，12{,,...,}NU=u....

本文編號：4026623