隨著帶有GPS的智能移動設備的廣泛普及和在線社交網(wǎng)絡的快速發(fā)展,基于位置的社交媒體應運而生。在這些社交網(wǎng)絡上,用戶可以通過簽到和朋友們共享自己的位置。這些應用持續(xù)不斷地發(fā)掘用戶感興趣的位置（即興趣點）,探索這些興趣點的語義信息可以幫助運營商推測用戶興趣、預測用戶活動,進而提高商品推薦服務的性能,此外,對于個性化路線推薦、用戶軌跡聚類等眾多城市計算應用也具有十分重要的意義。據(jù)統(tǒng)計,簽到數(shù)據(jù)中約30%的興趣點缺少相應的類別信息,而且已有的類別信息多是人工標注,需要耗費極大的時間和人力成本。針對位置類別預測問題,現(xiàn)有的方法主要將其視為分類問題,這些方法首先根據(jù)簽到數(shù)據(jù)的多維屬性人工地設計一組特征,比如訪問頻率、停留時長和簽到時間分布,然后利用提取的特征推斷興趣點的類別,常借助支持向量機、邏輯回歸等傳統(tǒng)的分類器,或求助于神經(jīng)網(wǎng)絡模型,如多層感知機。然而,這些分類器的性能嚴重依賴于特征選取的方法,而人工地設計特征集合需要一定的專業(yè)知識,由于目前還沒有成熟的方法可供參考,因而設計特征是一個極其困難又耗費時間的過程,而且在實際中很難確定一組完備的特征。在本文中,我們從一種全新的角度對基于位置的社交網(wǎng)... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

圖４－３上下文窗丨丨尺寸欠對模型性能的影響??

圖４－２嵌入向量維度Ｊ對模型性能的影響??圖４－２小出，入量由１０增加５０的程中，型的預測??

圖４－１迭代次數(shù)／對模型性能的影響??從圖４－１中能夠看出，隨著迭代次數(shù)的增加，模型的表現(xiàn)忭能逐步地提升，并??

【參考文獻】：
期刊論文
[1]基于時序特征的移動模式挖掘[J]. 陳勐,劉洋,王月,禹曉輝.  中國科學:信息科學. 2016(09)
[2]基于深度表示模型的移動模式挖掘[J]. 陳勐,禹曉輝,劉洋.  計算機應用. 2016(01)

博士論文
[1]軌跡預測與意圖挖掘問題研究[D]. 陳勐.山東大學 2016



本文編號：3588851