本文選題：基于地理位置的服務(wù) + 社交媒體挖掘�。� 參考：《中國科學(xué)技術(shù)大學(xué)》2014年博士論文

【摘要】：近年來,隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展和智能移動(dòng)終端的普及,人們?cè)絹碓搅?xí)慣于通過智能移動(dòng)終端上的應(yīng)用隨時(shí)隨地獲取或分享信息。在用于信息獲取和分享的移動(dòng)應(yīng)用中,基于用戶地理位置的服務(wù)已成為主流。人們?cè)谑褂么祟悜?yīng)用的過程中,產(chǎn)生了海量的含有地理位置信息的社交媒體數(shù)據(jù),并且此類數(shù)據(jù)的規(guī)模呈爆炸性增長。這一類新型的海量媒體數(shù)據(jù)的出現(xiàn),為許多研究領(lǐng)域帶來了新的機(jī)遇和挑戰(zhàn),吸引了研究人員的興趣和廣泛關(guān)注。 與傳統(tǒng)的媒體數(shù)據(jù)相比,含地理位置信息的社交媒體數(shù)據(jù)具有獨(dú)特性質(zhì),主要表現(xiàn)在以下三個(gè)方面：異構(gòu)的地理信息表達(dá)和組成方式；強(qiáng)調(diào)移動(dòng)性、時(shí)效性和交互性；包含空間、時(shí)間、社交等豐富上下文信息和多模態(tài)媒體內(nèi)容。本論文針對(duì)含地理位置信息的社交媒體的上述三個(gè)特性所帶來的科學(xué)問題,研究此類媒體的挖掘和推薦算法,包括：異構(gòu)地理信息社交媒體融合挖掘算法；面向移動(dòng)應(yīng)用的高效在線推薦算法；以及融合多種上下文信息的個(gè)性化推薦算法。 論文的主要研究工作和創(chuàng)新成果如下： 1.提出了一種異構(gòu)地理信息社交媒體融合挖掘算法以及基于二部圖結(jié)構(gòu)的重排序算法。 論文針對(duì)點(diǎn)評(píng)網(wǎng)站等基于地理位置的服務(wù)中,結(jié)構(gòu)化數(shù)據(jù)缺乏語義信息而難以應(yīng)對(duì)特定信息需求的問題,提出了結(jié)構(gòu)化和非結(jié)構(gòu)化社交媒體數(shù)據(jù)的融合挖掘算法,用來對(duì)結(jié)構(gòu)化數(shù)據(jù)的語義信息進(jìn)行補(bǔ)充。在此基礎(chǔ)上,又提出了一種基于二部圖的排序算法對(duì)基于地理位置的服務(wù)中的商戶進(jìn)行重排序。實(shí)驗(yàn)結(jié)果表明：與僅使用點(diǎn)評(píng)網(wǎng)站中結(jié)構(gòu)化信息的挖掘算法相比,論文所提出的融合挖掘算法的平均準(zhǔn)確率均值相對(duì)提升了73%；相比于僅使用點(diǎn)評(píng)網(wǎng)站中結(jié)構(gòu)信息的排序算法,以及僅使用商戶在點(diǎn)評(píng)網(wǎng)站中原始評(píng)分的排序算法,論文提出的基于二部圖結(jié)構(gòu)并融合多種因素對(duì)商戶進(jìn)行重排序的算法更能滿足用戶的特定信息需求。 2.提出了一種面向移動(dòng)應(yīng)用的高效在線推薦算法。 論文針對(duì)移動(dòng)應(yīng)用場(chǎng)景中的在線地點(diǎn)推薦問題,提出了一種基于前綴樹結(jié)構(gòu)的可變記憶馬爾科夫模型。論文所提出的算法從用戶的歷史地點(diǎn)序列中挖掘頻繁序列模式,并以此構(gòu)建前綴樹結(jié)構(gòu),從而能夠根據(jù)用戶當(dāng)前的地點(diǎn)高效地向用戶推薦下一個(gè)地點(diǎn),并根據(jù)用戶的反饋動(dòng)態(tài)調(diào)整模型。對(duì)于長度為l的地點(diǎn)序列,論文所提出的算法相比于傳統(tǒng)的可變記憶馬爾科夫模型：概率后綴樹算法,將時(shí)間復(fù)雜度從O(Dl)降低至O(l),因此可以滿足推薦的實(shí)時(shí)性要求。在提升算法效率的同時(shí),實(shí)驗(yàn)結(jié)果表明,論文所提出的帶有平滑模型的可變記憶馬爾科夫模型能獲得更高的推薦準(zhǔn)確率。與固定階數(shù)馬爾科夫模型所能取得的最好結(jié)果相比,論文所提出的算法的平均準(zhǔn)確率均值相對(duì)提升了69%；與概率后綴樹算法相比,論文所提出的算法的平均準(zhǔn)確率均值相對(duì)提升了36%。此外,論文所提出的在線地點(diǎn)推薦算法僅依賴于用戶當(dāng)前地點(diǎn)信息,所以該算法能夠以很少的代價(jià)嵌入現(xiàn)有的各類基于地理位置服務(wù)的移動(dòng)應(yīng)用中。另外如果將“地點(diǎn)”的概念進(jìn)行推廣,該算法可以應(yīng)用于地點(diǎn)推薦以外的其它問題,例如網(wǎng)頁中用戶點(diǎn)擊行為預(yù)測(cè)、搜索引擎查詢?cè)~推薦等。 3.提出了一種融合多種上下文信息的個(gè)性化推薦算法。 論文針對(duì)照片分享網(wǎng)站中海量社交媒體數(shù)據(jù)及其包含的豐富上下文信息,研究個(gè)性化的地點(diǎn)推薦算法。論文所提出的算法首先充分挖掘了照片分享網(wǎng)站中各種上下文信息,包括GPS位置信息、照片拍攝時(shí)間、用戶信息、文本信息、照片視覺信息。在此基礎(chǔ)上,該算法從多個(gè)方面計(jì)算地點(diǎn)與用戶興趣的匹配程度,并把融合多種上下文信息進(jìn)行個(gè)性化推薦的問題建模為排序?qū)W習(xí)的問題,從而融合多種地點(diǎn)與用戶興趣度評(píng)分進(jìn)行個(gè)性化的地點(diǎn)推薦。實(shí)驗(yàn)結(jié)果表明,論文所提出的算法能有效提高推薦的準(zhǔn)確率,特別是在用戶的歷史信息比較稀少的情況下有顯著提升。例如,實(shí)驗(yàn)數(shù)據(jù)集里42.7%的用戶的歷史地點(diǎn)序列中僅包含4個(gè)地點(diǎn),論文所提出的算法在這種情況下平均準(zhǔn)確率均值相對(duì)現(xiàn)有典型算法提升了27.5%。此外,論文提出的利用排序?qū)W習(xí)框架進(jìn)行推薦的算法不僅限于個(gè)性化地點(diǎn)推薦問題,也可以應(yīng)用于其它需要融合多種上下文信息進(jìn)行推薦的問題。 論文的最后對(duì)全文的研究工作進(jìn)行了總結(jié),并對(duì)未來的研究方向做出了展望。
[Abstract]:In recent years , with the development of mobile internet technology and the popularization of intelligent mobile terminals , people become more and more accustomed to acquiring or sharing information anytime and anywhere through the application of intelligent mobile terminals .

Compared with the traditional media data , the social media data with geographical position information is unique in nature , mainly in the following three aspects : heterogeneous geographic information expression and composition mode ;
Emphasis on mobility , timeliness and interactivity ;
This paper focuses on the scientific problems brought by the three characteristics of social media with geo - location information , and studies the mining and recommendation algorithms of such media , including : heterogeneous geographic information social media fusion mining algorithm ;
Efficient online recommendation algorithm for mobile applications
and a personalized recommendation algorithm for fusing various contextual information .

The main research and innovation results of the thesis are as follows :

1 . A heterogeneous geographic information social media fusion mining algorithm and a re - ordering algorithm based on two - part graph structure are proposed .

Aiming at the problem that the structured data lacks the semantic information and it is difficult to deal with the specific information needs in the service of the location - based service such as the website evaluation website , this paper puts forward a fusion mining algorithm of structured and unstructured social media data , which is used to supplement the semantic information of structured data .
Compared with the ranking algorithm using only the structure information in the website evaluation website , and only using the sorting algorithm of the original score of the merchant in the evaluation website , the algorithm based on the two - part graph structure and integrating various factors to reorder the merchant can meet the specific information requirement of the user more .

2 . An efficient online recommendation algorithm for mobile applications is proposed .

This paper proposes a variable memory Markov model based on prefix tree structure aiming at the online location recommendation problem in mobile application scenario . The proposed algorithm can be used to mine frequent sequence patterns from the user ' s historical site sequence and construct the prefix tree structure . The proposed algorithm can efficiently recommend the next place from O ( Dl ) to O ( l ) according to the current location of the user .
Compared with the probabilistic suffix tree algorithm , the mean accuracy of the proposed algorithm is relatively improved by 36 % . In addition , the proposed online location recommendation algorithm relies only on the user ' s current location information , so the algorithm can be embedded in the existing mobile applications based on geographic location services at a very low cost .

3 . A personalized recommendation algorithm combining multiple contextual information is proposed .

In this paper , the author puts forward that the proposed algorithm can effectively improve the accuracy of the recommendation , including GPS position information , photograph shooting time , user information , text information and photo visual information . The results show that the proposed algorithm can improve the accuracy of the recommendation effectively , especially if the user ' s history information is scarce .

Finally , the thesis summarizes the research work of the full text , and looks forward to the future research direction .

【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP393.09

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓強(qiáng);;基于廣義Hough變換的手寫文檔整詞定位[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年05期

2 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年04期

3 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機(jī)的軟測(cè)量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年02期

4 許高程;張文君;王衛(wèi)紅;;支持向量機(jī)技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

5 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

6 程剛;鄭小華;陽鋒;徐祖艦;;三維全景視覺技術(shù)在農(nóng)業(yè)機(jī)器人中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年34期

7 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

8 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測(cè)方法[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

9 吳慧蘭;劉國棟;劉炳國;胡濤;浦昭邦;;ICF實(shí)驗(yàn)靶定位技術(shù)研究[J];半導(dǎo)體光電;2008年05期

10 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(jì)(英文)[J];半導(dǎo)體技術(shù);2008年06期

相關(guān)會(huì)議論文 前10條

1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(下)[C];2012年

2 劉善磊;張亮;;基于相位相關(guān)和SURF算法的關(guān)鍵幀實(shí)時(shí)匹配研究[A];江蘇省測(cè)繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

3 隋樹林;孫立宏;姚文龍;袁健;;融合改進(jìn)UKF/SIFT信息的自主光學(xué)導(dǎo)航方法[A];第二十六屆中國控制會(huì)議論文集[C];2007年

4 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六屆中國控制會(huì)議論文集[C];2007年

5 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六屆中國控制會(huì)議論文集[C];2007年

6 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會(huì)議論文集[C];2007年

7 ;Loop-closing By Using SIFT Features for Mobile Robots[A];第二十六屆中國控制會(huì)議論文集[C];2007年

8 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七屆中國控制會(huì)議論文集[C];2008年

9 周凱;范瑞霞;李位星;;一種基于SIFT的MeanShift-粒子濾波融合跟蹤算法[A];第二十九屆中國控制會(huì)議論文集[C];2010年

10 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九屆中國控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 王玉全;基于全景視覺的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D];哈爾濱工程大學(xué);2010年

2 梁洪;基于內(nèi)容的醫(yī)學(xué)圖像檢索及語義建模關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 任楨;圖像分類任務(wù)的關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 殷志偉;基于統(tǒng)計(jì)學(xué)習(xí)理論的分類方法研究[D];哈爾濱工程大學(xué);2009年

5 孔凡芝;引線鍵合視覺檢測(cè)關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2009年

6 王作為;具有認(rèn)知能力的智能機(jī)器人行為學(xué)習(xí)方法研究[D];哈爾濱工程大學(xué);2010年

7 鄭大騰;柔性坐標(biāo)測(cè)量機(jī)空間誤差模型及最佳測(cè)量區(qū)研究[D];合肥工業(yè)大學(xué);2010年

8 肖潔;視覺注意模型及其在目標(biāo)感知中的應(yīng)用研究[D];華中科技大學(xué);2010年

9 朱清波;序列圖像三維重建方法研究[D];華中科技大學(xué);2010年

10 田文;多視圖圖像的快速三維場(chǎng)景重建[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 宋抗;壓縮機(jī)活塞圓度誤差數(shù)字檢測(cè)系統(tǒng)研究[D];河南理工大學(xué);2010年

2 陳忠翔;基于立體視覺的三維重建方法研究[D];南昌航空大學(xué);2010年

3 李金華;基于SVM的多類文本分類研究[D];山東科技大學(xué);2010年

4 雒燕飛;地質(zhì)災(zāi)害應(yīng)急地理信息數(shù)據(jù)庫設(shè)計(jì)及其應(yīng)用[D];山東科技大學(xué);2010年

5 唐紅梅;基于輻射與空間信息的遙感圖像檢索[D];山東科技大學(xué);2010年

6 倪希亮;基于尺度不變特征的多源遙感影像配準(zhǔn)[D];山東科技大學(xué);2010年

7 賈偉潔;SAR影像與光學(xué)影像配準(zhǔn)研究[D];山東科技大學(xué);2010年

8 朱耿峰;支持向量機(jī)在沖擊地壓預(yù)測(cè)模型中的應(yīng)用研究[D];山東科技大學(xué);2010年

9 任天宇;自穩(wěn)定航拍系統(tǒng)算法與設(shè)計(jì)[D];長春理工大學(xué);2010年

10 李朋勇;基于全矢高階譜的故障診斷方法及其應(yīng)用研究[D];鄭州大學(xué);2010年

，

本文編號(hào)：1858067