本文關(guān)鍵詞：基于大規(guī)模位置和消費(fèi)數(shù)據(jù)的用戶行為理解，由筆耕文化傳播整理發(fā)布。

【摘要】：用戶行為理解對于提供個(gè)性化服務(wù)和廣告投放有著極為重要的意義。一方面,隨著近年來智能手機(jī)的普及以及移動(dòng)互聯(lián)網(wǎng)的蓬勃發(fā)展,越來越多的用戶位置信息能夠被精確地記錄和獲取。這些位置信息真實(shí)地展示了用戶在生活中進(jìn)行用餐、購物、旅游等與物理世界緊密相連的行為,能夠準(zhǔn)確和完整地反映用戶的生活狀態(tài)和興趣習(xí)慣。現(xiàn)在普遍采用的位置數(shù)據(jù)包括了GPS軌跡、手機(jī)的基站定位數(shù)據(jù)、公共交通卡記錄的上下車站信息、基于位置的社交網(wǎng)絡(luò)簽到數(shù)據(jù)、無線網(wǎng)絡(luò)的定位數(shù)據(jù)以及圖片的位置標(biāo)記數(shù)據(jù)等等。另外一方面,電子商務(wù)近年來飛速發(fā)展,像阿里巴巴和京東這類電商平臺的網(wǎng)絡(luò)購物已經(jīng)是國民整體消費(fèi)的重要組成部分,這些電商平臺所記錄的消費(fèi)數(shù)據(jù)能夠很大程度上反映出用戶的消費(fèi)偏好和興趣愛好。通過對這些精確量化的消費(fèi)數(shù)據(jù)進(jìn)行深度挖掘,能夠更好地理解個(gè)人以及群體的消費(fèi)行為模式,從而可以設(shè)計(jì)出更精準(zhǔn)的推薦系統(tǒng)向用戶推薦感興趣的物品。 用戶的位置數(shù)據(jù)和消費(fèi)數(shù)據(jù)是相輔相成的,一方面用戶在物理世界的移動(dòng)規(guī)律能夠折射出其在消費(fèi)方面的偏好,反之通過對用戶消費(fèi)行為習(xí)慣的挖掘也能夠推測用戶在真實(shí)生活中的移動(dòng)模式。把這些信息有效的結(jié)合在一起能夠更加深入和準(zhǔn)確地理解用戶行為習(xí)慣,為完善推薦系統(tǒng)和精準(zhǔn)的用戶定位提供有效的支持。本文圍繞大規(guī)模的位置數(shù)據(jù)和消費(fèi)數(shù)據(jù),從具體應(yīng)用的角度出發(fā)針對用戶理解展開了深入研究,這些研究成果體現(xiàn)了重要的學(xué)術(shù)研究價(jià)值以及廣泛的應(yīng)用場景。具體而言,本文的主要研究成果、貢獻(xiàn)和創(chuàng)新點(diǎn)可以慨括為如下幾點(diǎn)： ·提出從軌跡數(shù)據(jù)智能感知用戶的加油消費(fèi)規(guī)律,從位置數(shù)據(jù)的角度挖掘了用戶的消費(fèi)模式。本文通過對出租車的移動(dòng)軌跡、城市興趣點(diǎn)的地理位置數(shù)據(jù)庫以及城市的路網(wǎng)拓?fù)浣Y(jié)構(gòu)進(jìn)行建模,實(shí)現(xiàn)了一個(gè)能夠自動(dòng)檢測加油事件,推斷用戶加油時(shí)間和估計(jì)顧客數(shù)目的智能系統(tǒng)。這個(gè)系統(tǒng)主要包括三個(gè)模塊,第一個(gè)模塊通過對出租車的軌跡數(shù)據(jù)進(jìn)行分析和挖掘,采用靜止點(diǎn)檢測算法發(fā)現(xiàn)可能的候選加油事件,然后通過提取候選加油事件的時(shí)空特征使用隨機(jī)梯度樹模型過濾掉非真實(shí)的加油事件；第二個(gè)模塊首先對時(shí)空進(jìn)行劃分以確定每個(gè)時(shí)空單元的加油事件,然后通過情境感知的協(xié)同過濾學(xué)習(xí)模型來推斷在用戶在某個(gè)時(shí)間去某個(gè)加油站的時(shí)間消耗；第三個(gè)模塊進(jìn)一步根據(jù)所得到的加油時(shí)間消耗,使用排隊(duì)論模型來估計(jì)加油站內(nèi)的顧客數(shù)目。該文通過真實(shí)數(shù)據(jù)和實(shí)地測試相結(jié)合的方式,充分驗(yàn)證了該智能系統(tǒng)的有效性和可靠性。 ·提出從智能卡的消費(fèi)中挖掘用戶的位置移動(dòng)規(guī)律,從消費(fèi)數(shù)據(jù)的角度挖掘了用戶的位置移動(dòng)模式。本文基于用戶公交智能卡的消費(fèi)信息,采用半監(jiān)督隨機(jī)場模型并融入多空間對齊的約束以及協(xié)同過濾學(xué)習(xí)得到的隱空間特征來智能恢復(fù)沒有記錄的上下車站位置信息。這個(gè)模型包含三個(gè)步驟：第一步根據(jù)地理、時(shí)間以及金錢三個(gè)維度存在的約束過濾不符合條件的候選上下車站：第二步提取半監(jiān)督條件隨機(jī)場模型所需要用到的各種特征；第三步提取單個(gè)車站乘坐的約束概率以及車站換乘的約束概率并融入模型作為先驗(yàn)知識,接著訓(xùn)練歷史數(shù)據(jù)和恢復(fù)沒有記錄的乘坐車站信息。多維度的實(shí)驗(yàn)結(jié)果證實(shí)了本文的方法能夠準(zhǔn)確地恢復(fù)用戶上下車站的移動(dòng)信息。 ·提出從移動(dòng)和消費(fèi)行為來挖掘用戶的獵奇心理特質(zhì),同時(shí)從位置數(shù)據(jù)和消費(fèi)數(shù)據(jù)的角度挖掘用戶的心理特征。本文基于用戶在位置社交社區(qū)的簽到位置數(shù)據(jù)和電商平臺的在線購物數(shù)據(jù),使用基于貝葉斯圖結(jié)構(gòu)的獵奇心理模型來準(zhǔn)確地刻畫出用戶在相對于個(gè)人和相對于群體兩方面的獵奇特質(zhì)。該工作主要包含三個(gè)步驟：第一步是構(gòu)建一個(gè)通用的獵奇心理模型,這個(gè)模型采用貝葉斯圖結(jié)構(gòu),把用戶表現(xiàn)出來的時(shí)間序列行為表示為能夠觀察到的顯式變量,同時(shí)把用戶的獵奇心理特質(zhì)以及效用偏好表示為隱變量,通過模型的生成過程來表示用戶的行為模式；第二步具體分析了用戶的位置數(shù)據(jù)和在線購物消費(fèi)數(shù)據(jù),來深入理解用戶在移動(dòng)行為和消費(fèi)行為中分別展示出來的獵奇心理特質(zhì)；第三步通過大規(guī)模的真實(shí)數(shù)據(jù)驗(yàn)證了所提出模型能夠準(zhǔn)確的刻畫用戶的獵奇心理特質(zhì)分布以及在預(yù)測用戶行為方面展示出來的優(yōu)勢,然后進(jìn)一步對比了用戶在這兩個(gè)領(lǐng)域所展示的獵奇心理特質(zhì)的一致性,為跨領(lǐng)域的用戶定位和推薦系統(tǒng)設(shè)計(jì)提供了依據(jù)。
【關(guān)鍵詞】：位置數(shù)據(jù) 消費(fèi)數(shù)據(jù) 加油消費(fèi)規(guī)律 位置移動(dòng)規(guī)律 獵奇心理特質(zhì)
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP311.13
【目錄】：

• 摘要5-8
• ABSTRACT8-11
• 目錄11-15
• 表格15-16
• 插圖16-18
• 第一章 緒論18-24
• 1.1 引言18-20
• 1.2 本文概述及主要貢獻(xiàn)20-24
• 第二章 從軌跡挖掘用戶加油消費(fèi)規(guī)律24-54
• 2.1 引言24-27
• 2.2 相關(guān)定義27-28
• 2.3 數(shù)據(jù)集描述28-29
• 2.4 系統(tǒng)綜述29-30
• 2.5 加油事件檢測30-33
• 2.5.1 候選集提取31-32
• 2.5.2 過濾32-33
• 2.6 時(shí)間消耗推斷33-39
• 2.6.1 情境感知的協(xié)同過濾模型CATF34-35
• 2.6.2 情境因素提取35-39
• 2.7 顧客數(shù)目估計(jì)39-41
• 2.7.1 排隊(duì)論系統(tǒng)39
• 2.7.2 計(jì)算39-40
• 2.7.3 參數(shù)設(shè)定40-41
• 2.8 實(shí)驗(yàn)41-47
• 2.8.1 人工標(biāo)注的數(shù)據(jù)集41-42
• 2.8.2 針對加油事件檢測的實(shí)驗(yàn)42-43
• 2.8.3 針對時(shí)間消耗推斷的實(shí)驗(yàn)43-45
• 2.8.4 針對顧客數(shù)目估計(jì)的實(shí)驗(yàn)45-47
• 2.9 加油消費(fèi)規(guī)律分析47-50
• 2.9.1 從地理角度看加油消費(fèi)行為47-48
• 2.9.2 從時(shí)間角度看加油消費(fèi)行為48-49
• 2.9.3 從經(jīng)濟(jì)調(diào)度看加油消費(fèi)行為49-50
• 2.10 討論50-51
• 2.11 相關(guān)工作51-54
• 2.11.1 用戶加油行為分析51
• 2.11.2 加油站分析和建模51-52
• 2.11.3 城市計(jì)算52-54
• 第三章 從智能卡消費(fèi)挖掘用戶位置移動(dòng)規(guī)律54-80
• 3.1 引言54-57
• 3.2 數(shù)據(jù)57-60
• 3.2.1 公交車消費(fèi)記錄57-58
• 3.2.2 充值記錄58
• 3.2.3 路網(wǎng)數(shù)據(jù)58
• 3.2.4 數(shù)據(jù)去噪和數(shù)據(jù)標(biāo)注58-60
• 3.3 方法60-72
• 3.3.1 相關(guān)定義61-62
• 3.3.2 約束62-65
• 3.3.3 帶約束的半監(jiān)督條件隨機(jī)場模型65-72
• 3.4 實(shí)驗(yàn)72-76
• 3.4.1 實(shí)驗(yàn)設(shè)定72
• 3.4.2 基準(zhǔn)算法72-74
• 3.4.3 數(shù)據(jù)集中所有用戶的結(jié)果74-75
• 3.4.4 受試者的結(jié)果75
• 3.4.5 重要地點(diǎn)識別75-76
• 3.5 相關(guān)工作76-80
• 3.5.1 人類移動(dòng)分析76-77
• 3.5.2 挖掘智能卡消費(fèi)數(shù)據(jù)77-80
• 第四章 從移動(dòng)和消費(fèi)行為挖掘用戶獵奇心理特質(zhì)80-102
• 4.1 引言80-82
• 4.2 獵奇心理模型82-88
• 4.2.1 相關(guān)定義82-85
• 4.2.2 獵奇心理模型85-87
• 4.2.3 獵奇心理特質(zhì)推斷87-88
• 4.3 位置移動(dòng)和在線購物中的獵奇心理88-90
• 4.3.1 位置移動(dòng)中的獵奇心理88-89
• 4.3.2 在線購物中的獵奇心理89-90
• 4.4 實(shí)驗(yàn)90-98
• 4.4.1 數(shù)據(jù)收集和描述91-92
• 4.4.2 單個(gè)領(lǐng)域內(nèi)的獵奇心理特質(zhì)92-94
• 4.4.3 預(yù)測94-96
• 4.4.4 獵奇心理特質(zhì)在位置移動(dòng)和消費(fèi)行為中的一致性96-98
• 4.5 討論98-99
• 4.6 相關(guān)工作99-102
• 4.6.1 獵奇心理研究99
• 4.6.2 推薦系統(tǒng)99-102
• 第五章 結(jié)論和展望102-106
• 5.1 結(jié)論和相關(guān)成果102-103
• 5.2 未來工作設(shè)想103-106
• 參考文獻(xiàn)106-116
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果116-118
• 致謝118-119

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬凱;張小蕾;陶先平;呂建;;一種基于Agent的移動(dòng)應(yīng)用框架設(shè)計(jì)與應(yīng)用研究[J];計(jì)算機(jī)科學(xué);2004年09期

2 俞兆安;張申生;張勇;童紅霞;;狀態(tài)自動(dòng)機(jī)支持的環(huán)境感知應(yīng)用框架研究[J];計(jì)算機(jī)科學(xué);2006年06期

3 蘇敬勤;崔淼;張竟浩;;企業(yè)家視角下外部取向管理創(chuàng)新決策——基于探索性多案例識別的實(shí)證研究[J];科學(xué)學(xué)研究;2010年07期

4 董伶俐;;消費(fèi)者知識對高新技術(shù)標(biāo)準(zhǔn)產(chǎn)品創(chuàng)新擴(kuò)散影響研究——以藍(lán)光DVD播放器為例[J];科學(xué)學(xué)研究;2012年01期

5 鄭思齊;孫聰;;城市經(jīng)濟(jì)的空間結(jié)構(gòu):居住、就業(yè)及衍生問題[J];南方經(jīng)濟(jì);2011年08期

6 阿布力孜·布力布力;張新國;;消費(fèi)者創(chuàng)新性與新產(chǎn)品創(chuàng)新性行為關(guān)系研究[J];科技進(jìn)步與對策;2013年07期

7 陳文沛;;消費(fèi)者創(chuàng)新性研究綜述[J];技術(shù)經(jīng)濟(jì);2013年04期

8 趙靈芝;;淺談房地產(chǎn)工程管理創(chuàng)新模式研究[J];價(jià)值工程;2013年25期

9 黃洋;;LBS模式的個(gè)性化推薦技術(shù)在移動(dòng)電子商務(wù)客戶關(guān)系管理中的應(yīng)用[J];經(jīng)營與管理;2013年11期

10 宋婧文;;軟集在移動(dòng)套餐推薦中的應(yīng)用[J];計(jì)算機(jī)與現(xiàn)代化;2013年11期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 孫瑾;閆謹(jǐn);劉燕捷;陳媛Z，

本文編號：439085