隨著全球定位系統(tǒng)的發(fā)展和以智能手機(jī)為代表的移動(dòng)終端的流行,基于位置的社交網(wǎng)絡(luò)應(yīng)用吸引了數(shù)千萬的用戶。在基于位置的社交網(wǎng)絡(luò)中,人們可以分享簽到地點(diǎn)等地理位置信息,大量用戶產(chǎn)生的海量數(shù)據(jù)為研究人員研究用戶的各種社交行為提供了機(jī)會(huì),這其中基于用戶簽到數(shù)據(jù)預(yù)測(cè)用戶的社交關(guān)系則成為研究熱點(diǎn),研究人員為此開展了大量的研究。本文圍繞如何從用戶的簽到數(shù)據(jù)中挖掘出高效的特征以提高用戶社交關(guān)系預(yù)測(cè)方法的性能展開研究,提出了三種基于位置的用戶社交關(guān)系預(yù)測(cè)方法,主要研究?jī)?nèi)容和貢獻(xiàn)如下:·基于時(shí)空特征的用戶社交關(guān)系預(yù)測(cè)方法(STIF)為了解決過去研究工作中廣泛使用的地點(diǎn)熵不能隨著時(shí)間段的變化而動(dòng)態(tài)計(jì)算地點(diǎn)流行度的問題,該方法提出了細(xì)粒度的地點(diǎn)權(quán)重特征。除此之外,該方法還從細(xì)粒度的時(shí)間特征、工作日和周末簽到特征、共現(xiàn)地點(diǎn)的距離特征三個(gè)角度展開設(shè)計(jì)了13個(gè)特征,用以全面捕捉好友對(duì)之間的相似性與非好友對(duì)之間差異性�！そY(jié)合隱式與顯式特征的用戶社交關(guān)系預(yù)測(cè)方法(CIFEF)為了解決包括STIF方法在內(nèi)的用戶社交關(guān)系預(yù)測(cè)方法依賴于大量特征工程的問題,提出了結(jié)合隱式與顯式特征的用戶社交關(guān)系預(yù)測(cè)方法CIFEF。該方法認(rèn)為同一用...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究?jī)?nèi)容與貢獻(xiàn)
        1.2.1 基于時(shí)空特征的用戶社交關(guān)系預(yù)測(cè)方法
        1.2.2 結(jié)合隱式與顯式特征的用戶社交關(guān)系預(yù)測(cè)方法
        1.2.3 基于孿生神經(jīng)網(wǎng)絡(luò)的用戶社交關(guān)系預(yù)測(cè)方法
    1.3 本文組織結(jié)構(gòu)
第二章 研究現(xiàn)狀
    2.1 基于無監(jiān)督的用戶社交關(guān)系預(yù)測(cè)方法
    2.2 基于有監(jiān)督的用戶社交關(guān)系預(yù)測(cè)方法
        2.2.1 基于共現(xiàn)地點(diǎn)特征的用戶社交關(guān)系預(yù)測(cè)方法
        2.2.2 基于多類型特征混合的用戶社交關(guān)系預(yù)測(cè)方法
第三章 基于時(shí)空特征的用戶社交關(guān)系預(yù)測(cè)方法
    3.1 問題描述
        3.1.1 符號(hào)定義
        3.1.2 概念定義
    3.2 時(shí)空特征
        3.2.1 細(xì)粒度的地點(diǎn)權(quán)重特征
        3.2.2 工作日與周末簽到特征
        3.2.3 細(xì)粒度的時(shí)間特征
        3.2.4 共現(xiàn)地點(diǎn)的距離特征
        3.2.5 總結(jié)
    3.3 方法整體架構(gòu)
        3.3.1 階段1:識(shí)別活躍用戶
        3.3.2 階段2:構(gòu)建訓(xùn)練樣本
        3.3.3 階段3:類別不平衡處理
        3.3.4 階段4:訓(xùn)練用戶社交關(guān)系預(yù)測(cè)器
    3.4 討論
        3.4.1 共現(xiàn)地點(diǎn)生成算法的性能優(yōu)化
    3.5 實(shí)驗(yàn)研究
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 性能比較
        3.5.3 不同類型特征對(duì)方法性能的貢獻(xiàn)
        3.5.4 參數(shù)敏感性分析
    3.6 本章小結(jié)
第四章 結(jié)合隱式與顯式特征的用戶社交關(guān)系預(yù)測(cè)方法
    4.1 隱式特征
    4.2 顯式特征
    4.3 方法整體架構(gòu)
    4.4 實(shí)驗(yàn)研究
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 性能比較
        4.4.3 隱顯式特征的貢獻(xiàn)分析
        4.4.4 超參數(shù)分析
    4.5 本章小結(jié)
第五章 基于孿生神經(jīng)網(wǎng)絡(luò)的用戶社交關(guān)系預(yù)測(cè)方法
    5.1 模型架構(gòu)及詳解
        5.1.1 方法整體結(jié)構(gòu)
        5.1.2 基于長(zhǎng)短期記憶網(wǎng)絡(luò)的用戶簽到軌跡建模
        5.1.3 基于二分圖隨機(jī)游走的用戶間接交互關(guān)系建模
        5.1.4 模型訓(xùn)練
    5.2 實(shí)驗(yàn)研究
        5.2.1 實(shí)驗(yàn)設(shè)置
        5.2.2 性能比較
        5.2.3 特征貢獻(xiàn)分析
    5.3 本章小結(jié)
第六章 總結(jié)和展望
    6.1 本文工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
發(fā)表論文和科研情況



本文編號(hào)：3808861