移動社交網(wǎng)絡中的位置軌跡挖掘及應用研究
發(fā)布時間:2023-03-04 17:39
當前,基于位置的服務正在獲得越來越廣泛的應用,然而傳統(tǒng)的僅依賴定位設備的位置服務所能提供的信息是相對有限的。隨著移動互聯(lián)網(wǎng)、智能手機技術的發(fā)展,移動社交網(wǎng)絡中不僅包括了豐富的用戶數(shù)據(jù),如好友、興趣、社交數(shù)據(jù)等,而且沉淀了大量的用戶位置軌跡數(shù)據(jù)。在移動社交網(wǎng)絡中的進行位置軌跡挖掘,有著重要的意義,它可以應用于基于位置服務、挖掘人類活動規(guī)律與行為特征,還可以應用于智能交通、智慧旅游、環(huán)境監(jiān)測、能源消耗等城市計算項目。如何充分挖掘用戶的位置軌跡,并結合社交網(wǎng)絡的多元信息為用戶提供更加便捷、準確、安全的位置服務,是當前移動社交網(wǎng)絡研究的重要問題之一面向移動社交網(wǎng)絡中位置軌跡的挖掘及應用,我們希望建立基于位置服務中高效且精確的用戶興趣信息推薦、聚類機制,最大限度地將用戶的興趣上下文場景反映到模型之中,從而提高基于用戶特性的推薦、聚類算法的效果;;同時,建立用戶的位置隱私保護機制,以達到用戶放心使用移動社交網(wǎng)絡的目的。具體而言,我們在基于移動社交網(wǎng)絡用戶位置軌跡數(shù)據(jù)的挖掘方面,開展了一系列研究工作,主要包括基于位置服務中的位置推薦、社群聚類和隱私保護。在基于位置服務的位置推薦工作中,下一跳興趣點推...
【文章頁數(shù)】:107 頁
【學位級別】:博士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.1.1 移動社交網(wǎng)絡簡介
1.1.2 移動社交網(wǎng)絡關系表達
1.1.3 位置軌跡挖掘模型
1.2 移動社交網(wǎng)絡中位置軌跡挖掘及應用研究
1.2.1 問題的產(chǎn)生、描述與意義
1.2.2 研究內(nèi)容與挑戰(zhàn)
1.3 本文的工作
1.3.1 論文的主要貢獻
1.3.2 論文的組織安排
第二章 相關工作
2.1 位置推薦
2.1.1 位置推薦的特性
2.1.2 位置推薦模型
2.1.3 位置推薦系統(tǒng)
2.2 地理位置社群聚類
2.2.1 關于社交網(wǎng)絡社群聚類的一些定義
2.2.2 社群檢測算法
2.2.3 社群聚類效果評價
2.3 位置隱私保護
2.3.1 隱私保護架構
2.3.2 隱私保護模型
2.4 小結
第三章 基于長短期記憶循環(huán)神經(jīng)網(wǎng)絡的下一跳興趣點推薦
3.1 引言
3.2 問題建模
3.3 下一跳興趣點推薦
3.3.1 模型架構
3.3.2 數(shù)據(jù)清洗
3.3.3 位置興趣挖掘
3.3.4 特征抽取
3.3.5 基于LSTM的POI預測模型
3.4 性能評估
3.4.1 實驗設定
3.4.2 對比基準算法
3.4.3 實驗結果
3.4.4 參數(shù)敏感性分析
3.5 小結
第四章 基于自編碼器的地理位置社群聚類
4.1 引言
4.2 地理位置社群聚類
4.2.1 形式化描述
4.2.2 地理位置社群聚類算法
4.2.3 數(shù)據(jù)清理
4.2.4 抽取用戶興趣表示
4.2.5 抽取位置分布表示
4.2.6 抽取用戶關系表示
4.2.7 用戶表示
4.2.8 神經(jīng)網(wǎng)絡自編碼表示
4.2.9 地理位置社群聚類與可視化
4.3 性能評估
4.3.1 實驗設定
4.3.2 對比基準算法
4.3.3 評價指標
4.3.4 實驗結果
4.3.5 參數(shù)敏感性分析
4.4 小結
第五章 基于分布式緩存推送的K-匿名位置隱私保護
5.1 引言
5.2 LPPS位置隱私保護機制
5.2.1 部署緩存代理
5.2.2 組織和維護代理中的緩存內(nèi)容
5.2.3 如何保證k匿名位置隱私保護
5.3 性能評估
5.3.1 實驗設置
5.3.2 服務覆蓋率
5.3.3 緩存命中率
5.3.4 通信開銷的比較
5.4 小結
第五章 總結和展望
6.1 本文的工作及貢獻
6.2 討論與展望
6.2.1 工作局限性
6.2.2 未來工作
致謝
參考文獻
簡歷與科研成果
本文編號:3754707
【文章頁數(shù)】:107 頁
【學位級別】:博士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.1.1 移動社交網(wǎng)絡簡介
1.1.2 移動社交網(wǎng)絡關系表達
1.1.3 位置軌跡挖掘模型
1.2 移動社交網(wǎng)絡中位置軌跡挖掘及應用研究
1.2.1 問題的產(chǎn)生、描述與意義
1.2.2 研究內(nèi)容與挑戰(zhàn)
1.3 本文的工作
1.3.1 論文的主要貢獻
1.3.2 論文的組織安排
第二章 相關工作
2.1 位置推薦
2.1.1 位置推薦的特性
2.1.2 位置推薦模型
2.1.3 位置推薦系統(tǒng)
2.2 地理位置社群聚類
2.2.1 關于社交網(wǎng)絡社群聚類的一些定義
2.2.2 社群檢測算法
2.2.3 社群聚類效果評價
2.3 位置隱私保護
2.3.1 隱私保護架構
2.3.2 隱私保護模型
2.4 小結
第三章 基于長短期記憶循環(huán)神經(jīng)網(wǎng)絡的下一跳興趣點推薦
3.1 引言
3.2 問題建模
3.3 下一跳興趣點推薦
3.3.1 模型架構
3.3.2 數(shù)據(jù)清洗
3.3.3 位置興趣挖掘
3.3.4 特征抽取
3.3.5 基于LSTM的POI預測模型
3.4 性能評估
3.4.1 實驗設定
3.4.2 對比基準算法
3.4.3 實驗結果
3.4.4 參數(shù)敏感性分析
3.5 小結
第四章 基于自編碼器的地理位置社群聚類
4.1 引言
4.2 地理位置社群聚類
4.2.1 形式化描述
4.2.2 地理位置社群聚類算法
4.2.3 數(shù)據(jù)清理
4.2.4 抽取用戶興趣表示
4.2.5 抽取位置分布表示
4.2.6 抽取用戶關系表示
4.2.7 用戶表示
4.2.8 神經(jīng)網(wǎng)絡自編碼表示
4.2.9 地理位置社群聚類與可視化
4.3 性能評估
4.3.1 實驗設定
4.3.2 對比基準算法
4.3.3 評價指標
4.3.4 實驗結果
4.3.5 參數(shù)敏感性分析
4.4 小結
第五章 基于分布式緩存推送的K-匿名位置隱私保護
5.1 引言
5.2 LPPS位置隱私保護機制
5.2.1 部署緩存代理
5.2.2 組織和維護代理中的緩存內(nèi)容
5.2.3 如何保證k匿名位置隱私保護
5.3 性能評估
5.3.1 實驗設置
5.3.2 服務覆蓋率
5.3.3 緩存命中率
5.3.4 通信開銷的比較
5.4 小結
第五章 總結和展望
6.1 本文的工作及貢獻
6.2 討論與展望
6.2.1 工作局限性
6.2.2 未來工作
致謝
參考文獻
簡歷與科研成果
本文編號:3754707
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3754707.html
最近更新
教材專著