基于軌跡數(shù)據(jù)的用戶關(guān)系強(qiáng)度度量方法研究.pdf

1、智能手機(jī)已經(jīng)成為人們?nèi)粘Ｉ町?dāng)中不可或缺的通信交流工具，通過(guò)智能收集可以隨身隨地的獲取位置、通話記錄、短信、微信等體現(xiàn)人們之間日常交互和社會(huì)關(guān)系的各種信息，人們之間的交互頻率、時(shí)間、位置、地點(diǎn)、距離以及軌跡相似性等信息能夠直接體現(xiàn)人們之間的交互關(guān)系以及關(guān)系強(qiáng)度。關(guān)系強(qiáng)度體現(xiàn)了人們之間的親密程度，對(duì)研究人們之間的社會(huì)關(guān)系以及社交網(wǎng)絡(luò)具有重要的意義。本文針對(duì)如何度量日常生活中人們之間的關(guān)系強(qiáng)度問(wèn)題展開研究，提出了一個(gè)既可以對(duì)GPS數(shù)據(jù)進(jìn)行處

2、理又可以對(duì)基站數(shù)據(jù)進(jìn)行處理，從日常軌跡、語(yǔ)義位置以及語(yǔ)義標(biāo)簽三個(gè)層次度量人們之間關(guān)系強(qiáng)度的層級(jí)模型URSHV(User Relationship Strength Hierarchy Vote)。概括起來(lái)，主要研究?jī)?nèi)容和貢獻(xiàn)如下：
　　首先，由于語(yǔ)義位置及語(yǔ)義標(biāo)簽與用戶之間的關(guān)系強(qiáng)度密切相關(guān)，為此本文采用分段卡爾曼濾波算法對(duì)GPS位置軌跡數(shù)據(jù)進(jìn)行降噪處理；采用基于密度的聚類算法對(duì)位置軌跡數(shù)據(jù)進(jìn)行聚類，形成語(yǔ)義位置；在此基礎(chǔ)上，采用

3、基于規(guī)則的語(yǔ)義位置標(biāo)注機(jī)制，通過(guò)反地理編碼、語(yǔ)義標(biāo)簽推斷以及輸入自動(dòng)補(bǔ)全等方式對(duì)語(yǔ)義位置進(jìn)行語(yǔ)義標(biāo)注；從而將GPS位置軌跡數(shù)據(jù)序列聚類成有意義的語(yǔ)義位置和語(yǔ)義標(biāo)簽，為后續(xù)的基于語(yǔ)義位置和語(yǔ)義標(biāo)簽計(jì)算用戶之間的關(guān)系強(qiáng)度奠定了基礎(chǔ)。
　　其次，為了從位置軌跡數(shù)據(jù)、語(yǔ)義位置以及語(yǔ)義標(biāo)簽三個(gè)層次計(jì)算用戶之間的關(guān)系強(qiáng)度，采用DTW模型計(jì)算用戶之間的空間距離來(lái)度量用戶日常軌跡之間的相似度，進(jìn)而使用軌跡序列熵值對(duì)用戶每天軌跡的相似度進(jìn)行加權(quán)處理

4、，并將其作為用戶之間的關(guān)系強(qiáng)度；采用主題模型LDA分別計(jì)算用戶之間的基于物理位置和語(yǔ)義位置的行為模式的相似性，將其作為用戶之間的關(guān)系強(qiáng)度；采用集成學(xué)習(xí)的思想對(duì)三個(gè)層次的度量結(jié)果進(jìn)行投票，以投票結(jié)果作為最終的用戶之間的關(guān)系強(qiáng)度。
　　最后，在上述研究基礎(chǔ)上，基于MIT的Reality Mining項(xiàng)目的公開的數(shù)據(jù)集，利用該數(shù)據(jù)集當(dāng)中的用戶之間調(diào)查問(wèn)卷的相似度，構(gòu)造用戶之間真實(shí)的關(guān)系強(qiáng)度作為測(cè)試基準(zhǔn)，提出一種基于逆序?qū)?shù)的一致性評(píng)分度