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

1、智能手機已經(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關(guān)系的各種信息，人們之間的交互頻率、時間、位置、地點、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)系強度。關(guān)系強度體現(xiàn)了人們之間的親密程度，對研究人們之間的社會關(guān)系以及社交網(wǎng)絡(luò)具有重要的意義。本文針對如何度量日常生活中人們之間的關(guān)系強度問題展開研究，提出了一個既可以對GPS數(shù)據(jù)進行處

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

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

4、，并將其作為用戶之間的關(guān)系強度；采用主題模型LDA分別計算用戶之間的基于物理位置和語義位置的行為模式的相似性，將其作為用戶之間的關(guān)系強度；采用集成學(xué)習(xí)的思想對三個層次的度量結(jié)果進行投票，以投票結(jié)果作為最終的用戶之間的關(guān)系強度。
　　最后，在上述研究基礎(chǔ)上，基于MIT的Reality Mining項目的公開的數(shù)據(jù)集，利用該數(shù)據(jù)集當(dāng)中的用戶之間調(diào)查問卷的相似度，構(gòu)造用戶之間真實的關(guān)系強度作為測試基準(zhǔn)，提出一種基于逆序?qū)?shù)的一致性評分度