本文關(guān)鍵詞：移動(dòng)社交網(wǎng)絡(luò)中的位置預(yù)測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：如今互聯(lián)網(wǎng)飛速發(fā)展,社交網(wǎng)絡(luò)已經(jīng)廣泛成為用戶分享和交流信息的平臺(tái),而智能終端的普及和定位技術(shù)的推廣,加速了社交網(wǎng)絡(luò)和基于位置的服務(wù)相互融合,形成了移動(dòng)社交網(wǎng)絡(luò)(Mobile Social Networks,MSN)。移動(dòng)社交網(wǎng)絡(luò)允許用戶在真實(shí)世界中進(jìn)行簽到,支持用戶隨時(shí)隨地上傳包含自身位置信息的簽到數(shù)據(jù)并與社交好友分享,這有效縮小了虛擬世界和真實(shí)世界之間的距離,移動(dòng)社交網(wǎng)絡(luò)也因此受到了眾多用戶的青睞。利用簽到數(shù)據(jù)分析用戶行為模式、偏好既可以為用戶體驗(yàn)生活、交友提供便利,也能為智能交通、城市計(jì)算等提供幫助,同時(shí)對(duì)在線廣告、移動(dòng)推薦和其他很多商業(yè)應(yīng)用也都有著巨大的商業(yè)價(jià)值。本文利用移動(dòng)社交網(wǎng)絡(luò)中簽到數(shù)據(jù)對(duì)位置預(yù)測(cè)問題進(jìn)行了研究,主要的研究成果如下:1.本文通過分析用戶簽到的時(shí)間特征,提出了一種基于時(shí)間特征的位置預(yù)測(cè)算法,該算法首先以馬爾可夫模型對(duì)位置預(yù)測(cè)問題進(jìn)行建模,然后結(jié)合用戶簽到的時(shí)間特征來提升預(yù)測(cè)的效果。通過在兩個(gè)真實(shí)的簽到數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),我們發(fā)現(xiàn)相比基準(zhǔn)算法,本文所提出的算法在預(yù)測(cè)性能上提升了15%~20%。2.本文分析了基于頻繁模式的位置預(yù)測(cè)算法,發(fā)現(xiàn)這類算法只能對(duì)用戶在已簽到過地點(diǎn)進(jìn)行預(yù)測(cè),而無法刻畫用戶對(duì)未訪問地點(diǎn)的簽到偏好,進(jìn)而提出了結(jié)合協(xié)同社交知識(shí)的位置預(yù)測(cè)算法。該算法不僅提取了用戶訪問常規(guī)地點(diǎn)的特征,同時(shí)運(yùn)用協(xié)同過濾技術(shù)對(duì)用戶訪問新穎地點(diǎn)的情況做出預(yù)測(cè),然后將提取出的各個(gè)特征采用M5模型樹和線性回歸的方式進(jìn)行決策融合,以此來提高預(yù)測(cè)性能,最后在兩個(gè)真實(shí)簽到數(shù)據(jù)集上的實(shí)驗(yàn)表明本文提出的算法相對(duì)于基準(zhǔn)算法提升了19%~21%,證明了新穎位置預(yù)測(cè)可以很好地應(yīng)用到位置預(yù)測(cè)中。
【關(guān)鍵詞】：移動(dòng)社交網(wǎng)絡(luò) 位置預(yù)測(cè) 協(xié)同過濾
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.01;TN929.5
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 緒論7-13
• 1.1 研究背景和意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-11
• 1.3 主要研究工作11-12
• 1.4 論文主要組織結(jié)構(gòu)12-13
• 第2章 相關(guān)概念和技術(shù)13-21
• 2.1 移動(dòng)社交網(wǎng)絡(luò)簡(jiǎn)介13-15
• 2.1.1 社交網(wǎng)絡(luò)的發(fā)展13
• 2.1.2 位置服務(wù)的興起與移動(dòng)社交網(wǎng)絡(luò)的形成13-14
• 2.1.3 移動(dòng)社交網(wǎng)絡(luò)模型14-15
• 2.2 位置預(yù)測(cè)方法15-19
• 2.2.1 常規(guī)位置預(yù)測(cè)方法15-18
• 2.2.2 新穎位置預(yù)測(cè)方法18-19
• 2.3 本章小結(jié)19-21
• 第3章 基于時(shí)間特征的位置預(yù)測(cè)算法21-33
• 3.1 引言21
• 3.2 馬爾可夫鏈預(yù)測(cè)模型21-24
• 3.2.1 馬爾可夫理論21-23
• 3.2.2 馬爾可夫鏈預(yù)測(cè)模型的建立23-24
• 3.3 基于時(shí)間特征的位置預(yù)測(cè)24-27
• 3.3.1 用戶簽到時(shí)間規(guī)律分析24-26
• 3.3.2 基于時(shí)間特征的位置預(yù)測(cè)26-27
• 3.4 實(shí)驗(yàn)與分析27-32
• 3.4.1 數(shù)據(jù)集介紹27-29
• 3.4.2 實(shí)驗(yàn)結(jié)果與分析29-32
• 3.5 本章小結(jié)32-33
• 第4章 結(jié)合協(xié)同社交知識(shí)的位置預(yù)測(cè)算法33-45
• 4.1 引言33
• 4.2 數(shù)據(jù)分析33-35
• 4.3 結(jié)合協(xié)同社交知識(shí)的位置預(yù)測(cè)算法35-41
• 4.3.1 問題的定義35
• 4.3.2 常規(guī)位置用戶簽到特性35-36
• 4.3.3 新穎位置簽到特性36-41
• 4.3.4 聯(lián)合預(yù)測(cè)41
• 4.4 實(shí)驗(yàn)與分析41-44
• 4.5 本章小結(jié)44-45
• 第5章 總結(jié)及未來工作45-47
• 5.1 總結(jié)45-46
• 5.2 未來工作46-47
• 參考文獻(xiàn)47-52
• 致謝52-53
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果53

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前6條

1 孫輝;馬躍;楊海波;張紅松;;一種相似度改進(jìn)的用戶聚類協(xié)同過濾推薦算法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年09期

2 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計(jì)工程;2013年17期

3 翟紅生;于海鵬;;在線社交網(wǎng)絡(luò)中的位置服務(wù)研究進(jìn)展與趨勢(shì)[J];計(jì)算機(jī)應(yīng)用研究;2013年11期

4 鄭翠翠;李林;;協(xié)同過濾算法中的相似性度量方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2014年08期

5 鄒媛;;基于決策樹的數(shù)據(jù)挖掘算法的應(yīng)用與研究[J];科學(xué)技術(shù)與工程;2010年18期

6 張松林;CART-分類與回歸樹方法介紹[J];火山地質(zhì)與礦產(chǎn);1997年01期

  本文關(guān)鍵詞：移動(dòng)社交網(wǎng)絡(luò)中的位置預(yù)測(cè)方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：263059