移動(dòng)環(huán)境下基于軌跡挖掘的個(gè)性化推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、由于信息技術(shù)的飛速發(fā)展以及信息內(nèi)容的不斷增多，使得“信息過載”問題越發(fā)嚴(yán)重。推薦系統(tǒng)因其能夠幫助人們從繁雜的信息中發(fā)現(xiàn)感興趣的內(nèi)容而受到了各界人士的普遍關(guān)注，對(duì)其進(jìn)行了深入的研究并應(yīng)用于實(shí)際，效果顯著。但是傳統(tǒng)的推薦系統(tǒng)在進(jìn)行推薦時(shí)，往往只考慮了用戶對(duì)項(xiàng)目的偏好數(shù)據(jù)，而忽略了用戶的軌跡數(shù)據(jù)特征。軌跡數(shù)據(jù)是對(duì)移動(dòng)對(duì)象運(yùn)動(dòng)行為的序列化表示，通過分析和挖掘軌跡數(shù)據(jù)更能夠反映出移動(dòng)對(duì)象的運(yùn)動(dòng)規(guī)律以及行為模式，對(duì)提高個(gè)性化推薦系統(tǒng)的準(zhǔn)確率以及用戶

2、的滿意度有著非常重要的意義。
　　因此，本文設(shè)計(jì)并實(shí)現(xiàn)了一種在移動(dòng)環(huán)境下基于軌跡挖掘的個(gè)性化推薦系統(tǒng)，論文主要圍繞以下內(nèi)容進(jìn)行研究：
　?。?）研究使用基于時(shí)空 Hausdorff距離的異常檢測(cè)算法對(duì)軌跡數(shù)據(jù)進(jìn)行預(yù)處理。在TRAOD（Trajectory Outlier Detection）算法的基礎(chǔ)上,結(jié)合道路網(wǎng)絡(luò)交通，同時(shí)考慮軌跡數(shù)據(jù)的時(shí)間特性對(duì)線段Hausdorff距離進(jìn)行改進(jìn)，從而提高異常軌跡檢測(cè)的準(zhǔn)確率與效率。用該

3、算法去除軌跡中的異常數(shù)據(jù)，為下一步的軌跡聚類提供有效的數(shù)據(jù)。
　　（2）研究使用基于路網(wǎng)約束的移動(dòng)對(duì)象時(shí)空軌跡高效聚類算法（Spatio-Temporal Road-Network Aware Trajectory Clustering Algorithm，ST-NEAT）進(jìn)行軌跡聚類分析，發(fā)現(xiàn)用戶的運(yùn)動(dòng)規(guī)律和行為模式。該算法同時(shí)考慮軌跡數(shù)據(jù)的空間屬性和時(shí)間屬性，且能夠獲取用戶不同時(shí)段的軌跡信息，不僅提高了聚類質(zhì)量，而且有利于為用