移動(dòng)用戶軌跡與行為模式挖掘方法研究.pdf

1、近年來，隨著移動(dòng)互聯(lián)網(wǎng)應(yīng)用的迅猛發(fā)展，如何對(duì)智能手機(jī)、掌上電腦、IPAD等移動(dòng)設(shè)備產(chǎn)生的豐富數(shù)據(jù)進(jìn)行挖掘，已成為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)。移動(dòng)數(shù)據(jù)挖掘在各種基于位置的服務(wù)中有著廣泛應(yīng)用，如早期預(yù)警系統(tǒng)、交通流量規(guī)劃、城市計(jì)算、移動(dòng)營(yíng)銷、社交網(wǎng)絡(luò)等。在這些應(yīng)用中，通常需要根據(jù)用戶的移動(dòng)歷史記錄進(jìn)行移動(dòng)用戶建模，獲取其行為模式，如用戶的歷史訪問地點(diǎn)、偏好信息以及情境信息等，其中地點(diǎn)信息是理解用戶行為模式的最基本要素。本文深入研究了移動(dòng)用戶

2、軌跡和行為模式挖掘方法。為此，本文基于一個(gè)統(tǒng)一的框架，提出了地點(diǎn)位置的坐標(biāo)提取、用戶停留點(diǎn)檢測(cè)和用戶頻繁行為模式挖掘方法。在該框架中，首次提出同時(shí)利用GSM網(wǎng)絡(luò)時(shí)空數(shù)據(jù)和用戶提供的語(yǔ)義信息進(jìn)行用戶行為建模，因此在多種基于位置的服務(wù)中有著廣泛應(yīng)用前景。
　　 論文的主要工作和創(chuàng)新點(diǎn)如下:
　　 1.提出一種基于空間聚類的移動(dòng)數(shù)據(jù)預(yù)處理方法。該方法包括空間坐標(biāo)提取，空間離群點(diǎn)檢查以及缺失值填充三個(gè)部分。首先，通過Google

3、 API和MIT的開源數(shù)據(jù)集，獲取移動(dòng)數(shù)據(jù)的空間坐標(biāo);然后，提出基于語(yǔ)義和空間進(jìn)行聚類的算法，解決GSM網(wǎng)絡(luò)結(jié)構(gòu)變遷(從2G轉(zhuǎn)向3G)造成的數(shù)據(jù)異常和數(shù)據(jù)丟失問題。最后，在真實(shí)數(shù)據(jù)集上對(duì)該聚類算法進(jìn)行了驗(yàn)證，結(jié)果表明提出的新方法有較好的效果和較高的效率。
　　 2.提出利用移動(dòng)用戶移動(dòng)軌跡的連續(xù)性進(jìn)行用戶停留點(diǎn)檢測(cè)的方法。首先利用GSM網(wǎng)絡(luò)的基本特性和用戶提供的語(yǔ)義信息解決基站震蕩的問題;其次根據(jù)用戶移動(dòng)過程中軌跡中基站范圍彼此

4、重疊的特性和用戶停留的時(shí)間信息，提出了一種基于地理柵格的聚類方法進(jìn)行用戶停留點(diǎn)檢測(cè)。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，與用戶標(biāo)注的地點(diǎn)信息作為基準(zhǔn)，該方法具有81.70％的準(zhǔn)確率。
　　 3.提出一種基于頻繁模式挖掘的移動(dòng)用戶行為模式挖掘的模型。用戶趨勢(shì)分析和行為模式挖掘是很多基于位置服務(wù)的核心。為此，本文提出了結(jié)合用戶所處的時(shí)空信息，利用頻繁模式挖掘中的前綴掃描算法進(jìn)行移動(dòng)用戶行為模式挖掘。并進(jìn)一步利用挖掘到的行為模式進(jìn)行用戶相似