隨著移動(dòng)終端設(shè)備（包括智能手機(jī)、可穿戴設(shè)備等）的智能化與集成化不斷增強(qiáng),充分利用其內(nèi)嵌的各類(lèi)傳感器,如麥克風(fēng)、陀螺儀、WiFi、藍(lán)牙等,可以實(shí)現(xiàn)對(duì)用戶(hù)行為的全面感知與透徹理解。在此基礎(chǔ)上,構(gòu)建用戶(hù)精準(zhǔn)畫(huà)像對(duì)于重點(diǎn)人群監(jiān)測(cè)、精準(zhǔn)商業(yè)推薦、個(gè)性化服務(wù)等各類(lèi)應(yīng)用均具有十分重要的作用和意義。然而在現(xiàn)實(shí)中,用戶(hù)行為特性/規(guī)律往往分散在真實(shí)的物理世界、虛擬的信息空間以及隱秘的內(nèi)心世界中,因此,要實(shí)現(xiàn)用戶(hù)的精準(zhǔn)畫(huà)像必須把散落在不同空間和維度的多源感知數(shù)據(jù)有效融合起來(lái),構(gòu)建統(tǒng)一的、融合的用戶(hù)畫(huà)像框架�；诖�,本文開(kāi)展了基于多源感知數(shù)據(jù)的用戶(hù)精準(zhǔn)畫(huà)像研究,具體研究?jī)?nèi)容包括以下幾個(gè)方面:（1）人格心理空間:通過(guò)手機(jī)感知的多源數(shù)據(jù)對(duì)大五人格模型和心理模型進(jìn)行刻畫(huà)。利用方差選擇法和皮爾遜相關(guān)系數(shù)法提取與人格心理問(wèn)卷結(jié)果相關(guān)性顯著的特征,使用遞歸特征消除法進(jìn)行特征選擇,用訓(xùn)練后的邏輯回歸模型、支持向量機(jī)模型和隨機(jī)森林模型分別對(duì)大五人格和心理狀態(tài)進(jìn)行預(yù)測(cè),得到九維向量表示大五人格模型（5維）和心理模型（4維）的預(yù)測(cè)結(jié)果。（2）信息空間:使用手機(jī)產(chǎn)生的通訊數(shù)據(jù)對(duì)用戶(hù)社會(huì)關(guān)系進(jìn)行刻畫(huà)。通訊數(shù)據(jù)包含手機(jī)用戶(hù)唯一識(shí)別標(biāo)志... 

【文章來(lái)源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

大五人格測(cè)試結(jié)果示意圖

量增多，相比于傳統(tǒng)的任務(wù)分發(fā)方法任務(wù)完成率和任務(wù)分發(fā)成功率平均提高了10%；在線(xiàn)任務(wù)分發(fā)階段提出了基于社會(huì)關(guān)系(TaskTransfer：ASocialRelationship-Based，F(xiàn)TASKTraf)畫(huà)像的任務(wù)轉(zhuǎn)發(fā)方法，驗(yàn)證了在任務(wù)轉(zhuǎn)移過(guò)程中社會(huì)關(guān)系是最重要的角色，其次是用戶(hù)的榮譽(yù)值和物理距離。1.3.2文章結(jié)構(gòu)本課題研究的主要內(nèi)容為基于用戶(hù)的人格心理、信息和物理三維空間的畫(huà)像和將畫(huà)像結(jié)果應(yīng)用于群智感知任務(wù)分發(fā)系統(tǒng)中，解決了傳統(tǒng)方法對(duì)于移動(dòng)群智感知社會(huì)化用戶(hù)招募與任務(wù)分發(fā)中任務(wù)完成率和任務(wù)分發(fā)成功率不高的問(wèn)題。論文整體框架圖如圖1.2所示，論文的具體結(jié)構(gòu)安排如下：圖1.2文章整體框架圖（1）第一章為緒論，綜述了用戶(hù)畫(huà)像的背景和研究意義，通過(guò)從大五人格模型、用戶(hù)移動(dòng)行為社會(huì)關(guān)系、移動(dòng)群智感知任務(wù)分發(fā)三個(gè)方面闡述研究現(xiàn)狀及其應(yīng)用。（2）第二章為用戶(hù)畫(huà)像相關(guān)理論方法，詳細(xì)介紹了對(duì)用戶(hù)的人格心理分類(lèi)時(shí)采用的邏輯回歸(LogisticRegression，LR)、支持向量機(jī)(SupportVectorMachine，SVM)和隨機(jī)森林(RandomForest，RF)三種分類(lèi)算法的內(nèi)容，并介紹復(fù)雜網(wǎng)絡(luò)及網(wǎng)絡(luò)度量指標(biāo)，計(jì)算用戶(hù)間影響力因子的方法PageRank。（3）第三章為基于用戶(hù)人格心理模型構(gòu)建用戶(hù)畫(huà)像的內(nèi)容，首先介紹了大五人格模

西安科技大學(xué)全日制工程碩士學(xué)位論文10LR模型的優(yōu)點(diǎn)是算法實(shí)現(xiàn)和求解都相對(duì)簡(jiǎn)潔、簡(jiǎn)單，通過(guò)離散化提取的特征和其他問(wèn)卷數(shù)值映射，LR在實(shí)際中可也解決非線(xiàn)性問(wèn)題，是一個(gè)強(qiáng)大的分類(lèi)器。因此在實(shí)際應(yīng)用中，LR模型應(yīng)用廣泛。2.1.2支持向量機(jī)算法SVM本質(zhì)是找到一個(gè)最優(yōu)間隔分類(lèi)平面，每個(gè)特征的值是特定坐標(biāo)的值，然后通過(guò)不斷優(yōu)化超平面參數(shù)找到一個(gè)最優(yōu)超平面來(lái)執(zhí)行分類(lèi)任務(wù)。在SVM分類(lèi)決策中起決定性作用的是少數(shù)向量，計(jì)算的復(fù)雜度也是由支持向量的數(shù)目決定，所以SVM抓住了關(guān)鍵樣本，弱化了其他冗余的樣本，在計(jì)算過(guò)程中比較簡(jiǎn)單，而且具有較好的魯棒性[45]，支持向量機(jī)示意圖如圖2.1所示。圖2.1支持向量機(jī)示意圖SVM研究的核心問(wèn)題是在正確分類(lèi)的前提下，使得距離間隔超平面最近的樣本點(diǎn)和超平面的距離最大，即就是獲取一個(gè)最佳分隔超平面，可將目標(biāo)表示為公式（2.5）：Niwbxwwyitsibw....3,2,1,)(..max,（2.5）其中為距離間隔超平面最近的樣本點(diǎn)與超平面的幾何間隔，將幾何間隔代替為函數(shù)間隔表示為公式（2.6）：Niwbxwwyitswibw....3,2,1,)(..max,（2.6）由于函數(shù)間隔的取值是隨著參數(shù)bw,變化而變化的，隨著參數(shù)bw,的倍增，分類(lèi)超

【參考文獻(xiàn)】：
期刊論文
[1]上下文感知的移動(dòng)社交網(wǎng)絡(luò)好友推薦算法[J]. 孔聰聰,陳曙東.  小型微型計(jì)算機(jī)系統(tǒng). 2018(01)
[2]基于位置社交網(wǎng)絡(luò)的上下文感知的興趣點(diǎn)推薦[J]. 任星怡,宋美娜,宋俊德.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[3]群智感知激勵(lì)機(jī)制研究綜述[J]. 吳垚,曾菊儒,彭輝,陳紅,李翠平.  軟件學(xué)報(bào). 2016(08)

碩士論文
[1]基于社交網(wǎng)絡(luò)的用戶(hù)畫(huà)像構(gòu)建及推薦研究[D]. 沈樹(shù)茂.浙江工業(yè)大學(xué) 2019
[2]基于無(wú)線(xiàn)感知的用戶(hù)群體畫(huà)像的研究[D]. 田繼偉.天津理工大學(xué) 2019
[3]基于位置的社交網(wǎng)絡(luò)的個(gè)性化興趣點(diǎn)推薦算法研究[D]. 吳燕.南京郵電大學(xué) 2018
[4]基于本地移動(dòng)軌跡和相似關(guān)系的興趣點(diǎn)推薦[D]. 史楊凱.湖南大學(xué) 2018
[5]基于話(huà)單數(shù)據(jù)的移動(dòng)通信用戶(hù)畫(huà)像研究[D]. 張海旭.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[6]在線(xiàn)社交網(wǎng)絡(luò)中用戶(hù)畫(huà)像構(gòu)建及其應(yīng)用研究[D]. 汪強(qiáng)兵.南京理工大學(xué) 2018
[7]基于多源感知數(shù)據(jù)的用戶(hù)交互關(guān)系研究[D]. 趙邦輝.國(guó)防科學(xué)技術(shù)大學(xué) 2016
[8]手機(jī)通訊社交網(wǎng)絡(luò)節(jié)點(diǎn)影響力排序及社區(qū)發(fā)現(xiàn)[D]. 王偉.東北大學(xué) 2015
[9]無(wú)標(biāo)度網(wǎng)絡(luò)建模與抗毀性研究[D]. 蔣豐景.西安電子科技大學(xué) 2014



本文編號(hào)：3625222