近年來隨著人們對選址重要性的認知提升,選址問題成為當今的研究熱點之一。而選址中最重要的一點就是識別區(qū)域內(nèi)人們是否有相關需求。目前區(qū)域內(nèi)興趣點需求分析大部分基于人工調(diào)查或者軌跡數(shù)據(jù)。但傳統(tǒng)的時空軌跡只有地理信息,無法精準獲得人們的目的地的興趣點分類。隨著位置共享服務的激增以及社交平臺的流行,語義豐富的軌跡的出現(xiàn)改進了傳統(tǒng)軌跡需要推斷目的地興趣點分類的缺點。然而目前沒有專門利用語義軌跡挖掘區(qū)域性興趣點分類需求以及推薦選址的算法�；凇坝媚_投票”理論,人們跨區(qū)域的移動行為可以推斷人們的興趣點分類需求。頻繁模式挖掘也基于該理論間接挖掘區(qū)域興趣點分類需求,然而因為頻繁閾值的設定會導致部分需求被忽略并且遞歸式搜尋太過耗時。此外,研究者們主要圍繞特定興趣點分析特征,缺少適用性強的選址框架。針對上述不足,本文在“用腳投票”理論下利用語義軌跡構建了一套基于區(qū)域性興趣點分類需求挖掘的選址系統(tǒng),提高選址準確率的同時滿足高效性及高適用性的要求。本文將該系統(tǒng)分成了四個子模塊,分別為社交媒體數(shù)據(jù)預處理、跨區(qū)域移動模式抽取、區(qū)域性興趣點分類需求識別及選址推薦。在社交媒體預處理模塊,聚合簽到并基于最大時間間隔限制切分... 

【文章來源】：華東師范大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

興趣點示例

華東師范大學研究生碩士學位論文第一章緒論圖1.2全局空間下人們移動軌跡假設個區(qū)域中人們對于不同興趣點分類的需求，以及需求強度如何衡量。也就是說，如果能夠從簽到記錄中抽取出跨區(qū)域移動模式，根據(jù)“用腳投票”理論發(fā)現(xiàn)并準確識別出當中隱含的該區(qū)域用戶對于某些類型興趣點的需求，那么就能按照需求強度量化后的區(qū)域性興趣點分類需求向該區(qū)域用戶推薦合適的興趣點分類或者對特定興趣點分類推薦合適的安置位置。因此對于選址系統(tǒng)而言，只要能夠首先構建兩個子模塊來分別解決以上問題，那將兩個模塊整合后便可以解決選址的核心問題。換而言之，一旦選址系統(tǒng)被像這樣拆分后，拆解出的每個模塊都可以把更多注意力放在當前需要處理的子問題上。本文根據(jù)這個拆解思路，將選址系統(tǒng)進一步拆成了四個部分，分別為社交媒體數(shù)據(jù)預處理模塊、關鍵的跨區(qū)域移動模式抽取模塊以及區(qū)域性興趣點分類需求識別模塊和最終的選址推薦模塊。對于每一個模塊，本文都對其特點和模型展開詳細介紹。在社交媒體數(shù)據(jù)預處理模塊中，本文對數(shù)據(jù)主要做了以下幾種處理。第一步便是將社交媒體平臺上的簽到記錄聚合成語義軌跡。接著便是軌跡切分�！坝媚_投票”理論表明人們有能力去遷移到任何可以滿足自己需求的地方。從現(xiàn)實角度考慮，如果一個人越是需要一種特定興趣點類型那么他前往具有該種類型興5

?畹敝?經(jīng)常使用的百度、谷歌等。當人們使用帶有GPS定位功能的手機進行搜索時，搜索引擎就在持續(xù)收集這些搜索記錄，這些記錄顯而易見也帶有時間戳和位置屬性。但這些數(shù)據(jù)并不對外公開。另一種質(zhì)量更高的數(shù)據(jù)來源便是人工采集數(shù)據(jù)，代表性的數(shù)據(jù)集包括MIT的RealityMining1、美國人時間利用調(diào)查2等。這些調(diào)查數(shù)據(jù)除了描述人們的行為目的以外還包含了被調(diào)查人的人口數(shù)據(jù)（如性別、年齡等），給人的行為行動提供了更豐富的解釋，但獲取這些數(shù)據(jù)并不便宜。所以最為公開、廣泛使用的還是用戶自主產(chǎn)生、發(fā)布在社交平臺上的內(nèi)容。圖2.1一條帶有地理位置標簽的tweet示例語義時空數(shù)據(jù)作為時空數(shù)據(jù)挖掘領域熱門的數(shù)據(jù)表示方式之一，它的出現(xiàn)使得研究者可以更加直觀得對人們的行為有一個統(tǒng)一的認識。與傳統(tǒng)的GPS軌跡或者RFID數(shù)據(jù)相比，它蘊含更多維度的信息，時間、空間以及文本。有了語義時空數(shù)據(jù)，相當于人們不僅知道了人們行為的發(fā)生地點和發(fā)生時間，也知道了具體的行為內(nèi)容，對行為有了一個聯(lián)合的認識。以行為理解為例，傳統(tǒng)的軌跡數(shù)據(jù)只能揭示一個人如何從一個地方移動到另一個地方，是坐公交巴士、地鐵還是搭乘出租車。而語義軌跡可以幫助科學家們理解人們在不同位置下所展示的行為，比如該人是出于什么目的進行移動。圖2.2以圖的形式展示了語義時空數(shù)據(jù)的表達形式。在圖中用地理信息通過興趣點的經(jīng)緯度來表示，而時間反映在訪問記錄的時間戳屬性上，用戶、訪問記錄和興趣點則都和一些語義文本相關聯(lián)。用戶的語義相關信息可以是用戶的興趣或者職業(yè)等人口統(tǒng)計數(shù)據(jù)。對于興趣點來說，它的語義信息則包含它的興趣點1http://realitycommons.media.mit.edu/index.html2www.bls.gov/tus/11


本文編號：3119551