時(shí)空軌跡數(shù)據(jù)的關(guān)聯(lián)挖掘技術(shù)研究.pdf

1、軌跡數(shù)據(jù)是一種常見的序列化上下文數(shù)據(jù)，其從空間和時(shí)間維度描述了用戶移動(dòng)軌跡信息。而對(duì)軌跡數(shù)據(jù)全面的獲取、準(zhǔn)確的挖掘與利用，是當(dāng)前面向位置計(jì)算所需解決的主要問題。通過對(duì)軌跡數(shù)據(jù)的挖掘可以更深入理解用戶意圖，分析用戶特征與環(huán)境狀況，來預(yù)測(cè)行動(dòng)，從而更好的為用戶提供面向位置的計(jì)算服務(wù)。
　　近年來，通過對(duì)軌跡數(shù)據(jù)的初步挖掘可知，人類行為活動(dòng)在時(shí)間與空間上的變化具有很強(qiáng)的規(guī)律性，并具有內(nèi)在聯(lián)系。通過分析用戶的歷史軌跡，挖掘用戶的活動(dòng)規(guī)律，

2、基于此規(guī)律并結(jié)合當(dāng)前上下文環(huán)境進(jìn)行感知計(jì)算，可以顯著提高上下文感知的交互效率和智能化程度。然而，在當(dāng)前信息數(shù)據(jù)劇增的時(shí)代，活動(dòng)軌跡數(shù)據(jù)的分析和應(yīng)用又面臨新的問題和挑戰(zhàn)：1）多樣性：在普適計(jì)算環(huán)境下，人類活動(dòng)軌跡數(shù)據(jù)不僅只有位置軌跡數(shù)據(jù)，還包含社交活動(dòng)記錄、生理活動(dòng)記錄和消費(fèi)活動(dòng)記錄等，這些數(shù)據(jù)具有海量、非結(jié)構(gòu)化、多源異構(gòu)、稀疏、不完整、不確定等特性，現(xiàn)有數(shù)據(jù)挖掘算法無法很好適應(yīng)這些特性。2）局限性：現(xiàn)有軌跡數(shù)據(jù)較為獨(dú)立，在軌跡采集時(shí)獨(dú)立

3、采用不同系統(tǒng)進(jìn)行收集，單一的軌跡數(shù)據(jù)描述的語義信息簡(jiǎn)單，不易獲取用戶偏好、社會(huì)關(guān)系等信息，需多種類型軌跡數(shù)據(jù)共同挖掘?qū)崿F(xiàn)。3）群體性：由于人類活動(dòng)的具有很強(qiáng)群體性傾向，多個(gè)用戶具有相似的活動(dòng)規(guī)律，通過挖掘通用的群體性的行為特征，能彌補(bǔ)單一數(shù)據(jù)源數(shù)據(jù)缺失的問題，還能進(jìn)行異常檢測(cè)。
　　針對(duì)上述新問題，基于軌跡數(shù)據(jù)的時(shí)空關(guān)聯(lián)計(jì)算技術(shù)是一種有效的解決方案，該方案從對(duì)多源的軌跡數(shù)據(jù)建立統(tǒng)一描述模型入手，提取用戶的屬性偏好與日常行為模式，為

4、挖掘用戶之間的關(guān)聯(lián)關(guān)系以及用戶與事件之間的關(guān)聯(lián)關(guān)系奠定基礎(chǔ)，從而解決軌跡數(shù)據(jù)類型的異構(gòu)多樣以及數(shù)據(jù)缺失關(guān)聯(lián)描述的問題。基于軌跡數(shù)據(jù)的時(shí)空關(guān)聯(lián)計(jì)算技術(shù)的主要內(nèi)容以及研究成果包括以下幾個(gè)方面：
　　首先，基于張量表示的多源軌跡描述模型研究。采用張量模型對(duì)多源異構(gòu)的軌跡數(shù)據(jù)進(jìn)行建模描述?；趶埩靠梢詫?duì)大數(shù)據(jù)環(huán)境下高維度數(shù)據(jù)進(jìn)行較好的描述，本方法相比其它方法可以同時(shí)處理更多類別數(shù)據(jù)特征。
　　其次，用戶日程例事的定義與挖掘算法研究。

5、針對(duì)用戶的軌跡行為模式挖掘問題，采用周期模式挖掘的算法，從周期性事件中識(shí)別提取用戶的日程例事。日程例事的挖掘?qū)崿F(xiàn)了對(duì)用戶個(gè)人屬性偏好的更深入理解，可作為職業(yè)特征的識(shí)別依據(jù)，并能為用戶制訂未來日程規(guī)劃及異常事件檢測(cè)提醒。
　　再次，針對(duì)高維軌跡數(shù)據(jù)間相似關(guān)聯(lián)度計(jì)算的稀疏優(yōu)化研究。通過一個(gè)稀疏在線相似度學(xué)習(xí)框架，設(shè)計(jì)了四種有效進(jìn)行相似度學(xué)習(xí)的算法，來解決海量高維軌跡數(shù)據(jù)相似度計(jì)算問題。高效合理的相似度衡量模型為軌跡數(shù)據(jù)的聚類、檢索和關(guān)

6、聯(lián)排序等應(yīng)用提供了可靠的計(jì)算基礎(chǔ)。
　　最后，基于眾包協(xié)同的LBS（Location Based Service）云服務(wù)推薦算法研究。通過設(shè)計(jì)一種基于眾包協(xié)同的方法為移動(dòng)用戶提供云服務(wù)推薦，來解決 LBS應(yīng)用中移動(dòng)云服務(wù)選擇困難的問題。通過對(duì)移動(dòng)用戶在不同地點(diǎn)上下文環(huán)境下對(duì)云服務(wù)選擇記錄的分析，建立基于位置上下文索引的服務(wù)選擇記錄數(shù)據(jù)庫，當(dāng)新用戶請(qǐng)求查詢當(dāng)前可用云服務(wù)時(shí)，返回推薦結(jié)果。整個(gè)系統(tǒng)方案采用眾包模式對(duì)群體用戶歷史操作軌跡