隨著移動網(wǎng)絡(luò)技術(shù)（4G/5G）技術(shù)的不斷推廣,以及便攜式智能終端設(shè)備的日益普及,人類在日常生活中的各種活動行為產(chǎn)生了大量的用戶行為數(shù)據(jù)。海量的用戶數(shù)據(jù)為全面揭示與理解用戶行為規(guī)律提供了可能。一方面,每個人都生活在真實的物理世界中,任何移動行為都會在物理世界留下痕跡;另一方面,人類被稱為“社會化的動物”,不可避免地與人溝通、交流。探究人類在物理空間的活動規(guī)律以及社會空間中的交互行為,使得人類對自身的理解更全面、更透徹。本文從物理-社會二元空間的用戶交互行為出發(fā),研究用戶的移動行為偏好與社交網(wǎng)絡(luò)特征,主要包括三個部分:（1）通過海量歷史數(shù)據(jù)中的地理位置信息分析用戶在不同位置的停留時長等特點,描述用戶對不同位置區(qū)域的偏好程度,挖掘用戶簽到興趣點（Point of Interest,POI）信息規(guī)律并用其表征用戶對不同位置類型的偏好程度;（2）根據(jù)用戶間的好友信息構(gòu)建社交網(wǎng)絡(luò),分析度中心性、特征向量中心性、小世界特性等社交網(wǎng)絡(luò)特征;（3）結(jié)合物理-社會二元空間信息,利用物理世界中的空間位置偏好、POI興趣偏好以及社交網(wǎng)絡(luò)關(guān)系三個方面,構(gòu)建具有物理-社會二元空間共同特征的用戶交互行為模型,表征用... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

移動群智感知用戶招募流程圖

2相關(guān)理論基礎(chǔ)11則激活順序隨機(jī)。（2）如果節(jié)點i對節(jié)點j激活成功，那么節(jié)點j就會由未激活狀態(tài)轉(zhuǎn)換為激活狀態(tài)，在t+1時刻以已激活節(jié)點的狀態(tài)去激活其鄰居節(jié)點。（3）隨后重復(fù)上述過程，即可模擬出獨立級聯(lián)傳播模型中的信息傳播過程。2.3移動群智感知移動群智感知是包括眾包計算、社會計算、無線傳感器網(wǎng)絡(luò)、機(jī)會網(wǎng)絡(luò)在內(nèi)的多學(xué)科交叉熱點研究領(lǐng)域。圖2.1從科學(xué)研究發(fā)展趨勢的角度，表明了移動群智感知的發(fā)展背景和相關(guān)領(lǐng)域。移動群智感知從最初的無線傳感網(wǎng)絡(luò)逐步發(fā)展到今天，相比傳統(tǒng)的感知模式，具有感知時空覆蓋范圍廣、成本低廉、擴(kuò)展性強(qiáng)、結(jié)構(gòu)靈活、便于大規(guī)模數(shù)據(jù)感知、收集、處理等優(yōu)勢。圖2.1群智感知發(fā)展歷程及學(xué)科交叉情況移動群智感知是一種利用群體的共同力量來獲取感知信息的模式。移動群智感知迅速發(fā)展并對人類的醫(yī)療、交通、運輸、環(huán)境等方面產(chǎn)生了革命性的影響，其快速發(fā)展得益于各種手持移動設(shè)備的迅速普及，移動設(shè)備較傳統(tǒng)傳感設(shè)備具有一系列優(yōu)勢，不僅在其中嵌入了多種傳感器，而且這些移動設(shè)備具有計算、通訊的能力，能夠迅速獲取信息并且實現(xiàn)網(wǎng)絡(luò)互聯(lián)，它們可以感知環(huán)境信息并且通過網(wǎng)絡(luò)建立起個人與平臺之間的橋梁，推動物聯(lián)網(wǎng)應(yīng)用程序的發(fā)展，并為人類詳盡地感知、描繪物理世界的各種信息。根據(jù)監(jiān)控環(huán)境的不同，可以將移動設(shè)備感知任務(wù)分為個人感知和社會感知。個人感知，即感知任務(wù)為個人環(huán)境，例如人們常用的健康監(jiān)測，以及出于個人記錄習(xí)慣而產(chǎn)生的監(jiān)控個人足跡（跑步，走路，鍛煉等）監(jiān)控。社會感知，它的任務(wù)是監(jiān)控大范圍的環(huán)境信息，這類任務(wù)僅僅根據(jù)個人的感知數(shù)據(jù)很難實現(xiàn)精準(zhǔn)檢測，例如智慧交通系統(tǒng)的擁塞監(jiān)測以及空氣污染水平監(jiān)控，這類數(shù)據(jù)需

矗?梢雜兄?詵⑾鐘沒б貧?的規(guī)律性。也就是說，每個人都會有特定的生活軌跡，因此不同的人會在相同的時間段訪問不同的空間位置和POI類型；除此之外，同一個人在一天的不同時段也會有不同的行為習(xí)慣。例如用戶A習(xí)慣在早上跑步，晚上與朋友約會，但是用戶B更偏向于早上聽音樂和看書，傍晚時分鍛煉身體�？傊靡苿涌臻g位置信息不僅可以分析用戶的行為習(xí)慣和個人興趣偏好，還可以將其應(yīng)用到各種生活場景中為人類服務(wù)。因此，本課題利用海量的LBSN數(shù)據(jù)，對用戶的移動行為位置偏好和興趣偏好作出詳細(xì)的分析和深入的探討，如圖3.1所示。圖3.1物理-社會二元空間用戶行為分析框圖基于位置的社交網(wǎng)絡(luò)通常包括兩部分：簽到數(shù)據(jù)集L與用戶社交好友數(shù)據(jù)集F，兩部分?jǐn)?shù)據(jù)從空間、時間、社交三個方面對用戶的移動行為進(jìn)行了表征，以便從物理、社

【參考文獻(xiàn)】：
期刊論文
[1]聚類算法綜述[J]. 章永來,周耀鑒.  計算機(jī)應(yīng)用. 2019(07)
[2]基于線性閾值模型的動態(tài)社交網(wǎng)絡(luò)影響最大化算法[J]. 朱敬華,李亞瓊,王亞珂,楊艷.  工程科學(xué)與技術(shù). 2019(01)
[3]基于簽到數(shù)據(jù)的城市熱點功能區(qū)識別研究[J]. 寧鵬飛,萬幼,沈怡然,任福.  測繪地理信息. 2018(02)
[4]基于行為分析的移動應(yīng)用眾包測試人員畫像方法研究[J]. 安剛,張濤,成靜.  西北工業(yè)大學(xué)學(xué)報. 2017(06)
[5]動態(tài)影響力下網(wǎng)絡(luò)輿論傳播的計算實驗研究[J]. 徐迪,戴曉沛.  系統(tǒng)工程理論與實踐. 2016(12)
[6]移動用戶畫像構(gòu)建研究[J]. 黃文彬,徐山川,吳家輝,王軍.  現(xiàn)代情報. 2016(10)
[7]大數(shù)據(jù)聚類算法綜述[J]. 海沫.  計算機(jī)科學(xué). 2016(S1)
[8]初始點優(yōu)化與參數(shù)自適應(yīng)的密度聚類算法[J]. 戴陽陽,李朝鋒,徐華.  計算機(jī)工程. 2016(01)
[9]Point-of-Interest Recommendation in LocationBased Social Networks with Personalized Geo-Social Influence[J]. HUANG Liwei,MA Yutao,LIU Yanbo.  中國通信. 2015(12)
[10]社交網(wǎng)絡(luò)影響力傳播研究[J]. 陳衛(wèi).  大數(shù)據(jù). 2015(03)

碩士論文
[1]基于用戶上下文軌跡預(yù)測的移動眾包任務(wù)分配方法研究[D]. 姜蕓.山東大學(xué) 2019
[2]基于微博簽到數(shù)據(jù)的可視化分析系統(tǒng)研究[D]. 王璐.長安大學(xué) 2019
[3]移動用戶時空軌跡預(yù)測[D]. 吳娜.上海交通大學(xué) 2018
[4]基于獨立級聯(lián)模型的社交網(wǎng)絡(luò)影響力最大化研究[D]. 胡懷雄.深圳大學(xué) 2018
[5]基于位置簽到及POI數(shù)據(jù)的城市熱點區(qū)域時空特征研究[D]. 胥嘯宇.山東理工大學(xué) 2018
[6]基于移動通信數(shù)據(jù)的用戶移動行為分析與位置預(yù)測[D]. 崔家祥.北京郵電大學(xué) 2018
[7]基于LBSN簽到數(shù)據(jù)的用戶行為預(yù)測與興趣點推薦[D]. 王凱慈.南京郵電大學(xué) 2016
[8]社交網(wǎng)絡(luò)特征計算與關(guān)鍵節(jié)點識別的實驗研究[D]. 趙智.吉林大學(xué) 2015
[9]社交網(wǎng)絡(luò)中影響最大化的研究與應(yīng)用[D]. 江禹.重慶大學(xué) 2015
[10]基于用戶簽到數(shù)據(jù)的行為分析及預(yù)測研究[D]. 宋楊.北京郵電大學(xué) 2015



本文編號：3465532