基于分层模型的位置推荐方法研究

VIP免费

3.0 侯斌 2024-11-19 4 4 2.66MB 56 页 15积分

侵权投诉

摘要

“用户下一步想要去哪”这样的问题是现今各大基于地理位置的应用运营商

想要知道的答案。只有分析出用户下一步的打算，才能更好的为用户在海量的信

息中找到自己想要的，这样运营商才能获得订单和利润。现在，专家学者对于人

类行为的研究有了一定的成果，通过分析地理位置社交网络数据，找到了关于人

们的移动行为的特征，本文将对这些特征进行分析，建立推荐模型，帮助运营商

为用户做最好的位置推荐。

首先，专家们研究地理位置社交网络中人类移动行为发现：一方面人类的长

旅途会受到社交网络关系的影响，一部分人的长旅途目的地是他们朋友所在地或

之前去过的地方；另一方面人类的移动在空间上和时间上具有周期性，人们总是

周期性的出现在某些地方。从位置移动的历史序列来看，一方面，人们经常去的

地方只有少数几个，大多数地方去的次数较少；另一方面，人类短时间内的位置

移动对于下一次出现的位置影响要比较长时间之前的位置移动所产生的影响要

大。

当前，推荐算法普遍应用到了各大分类网站、电子商务网站中。基于地理位

置的社交网络也通过推荐来营销自己的服务或广告。为了丰富地理位置社交网络

中位置推荐的方法，提高位置推荐的精度，本文提出一种分层模型的推荐方法。

将地理位置社交网络中的数据分为历史序列层、社交关系层和时间层。在历史序

列层中，考虑用户的历史签到位置序列具有幂律分布和瞬时效应这两种特性，引

入层次 Pitman-Yor 语言过程模型的机制来分析用户的历史位置签到数据，计算出

下一次签到位置的概率，加入社交关系层的朋友数据信息，得出所有可能位置的

概率分布，按照 Top-N 方法给出推荐列表。将签到的时间信息引入到推荐系统中，

考虑不同时间的个性化推荐，利用聚类的方法将签到数据分组，给出推荐结果。

通过模型计算结果分析，对比其他的位置推荐方法以及各个层次相互作用的结果，

验证了该方法的有效性。

本文从社交网络概念出发，引出了加入位置维度的地理位置社交网络，将虚

拟网络和现实社会相联系，探讨推荐算法在地理位置社交网络中的应用。接着从

人类移动行为的角度分析数据，验证在地理位置社交网络中人类移动的几个特性，

针对这些特性建立分层的位置推荐模型。

关键词：分层模型推荐方法人类移动地理位置社交网络

ABSTRACT

‘Users want where to go next? ’ the question is now each big operators based on

the geographic location of the application would like to know. Only analyzing the

user's intention, can better find themselves in a huge amounts of information for the

user want, so that operators can get orders and profits. Now, experts and scholars had

certain achievements on the study of human behavior, through the analysis of social

network data and geographical position found about people's mobile behavior

characteristic, this article will analyze these characteristics, set up recommendation

model, to help operators to do the best position to recommend for the user.

First, experts study human movement behavior found in social network location:

on the one hand, the human long journey will be affected by the social network

relationship, the long journey of one part person place is home to their friends or

before been to. On the other hand, the human move in cycles in space and time, people

always periodic appeared in some places. From the perspective of the historical

sequence of position, however, only a handful of people often go to place, most place

fewer. Humans, plus, in a short period of time the location of the mobile for the

location of the next effect to compare for a long time before the impact of the location

of the mobile.

At present, the recommendation algorithm is widely applied to each big

e-commerce sites. Location-based social networks also through recommended to

market your services, or advertising. To enrich social network location methods

recommended by geographical position and improve the accuracy of recommendation.

This paper proposes a hierarchical model of recommendation algorithm. The location

data in a social network is divided into historical sequence layer, social relationship,

and period. In historical sequence layer, considering the user’s check-in behavior in

sequence with a power-law distribution and short-term effect of these two

characteristics, introduce hierarchy Pitman-Yor language process model to analyze the

mechanism of the history of the user location data, calculate the probability of the next

check-in location, and join social relations layer data information, it is concluded that

the probability distribution of all possible location, according to the Top-N method

recommended list. Will be introduced to the check-in time information

recommendation system, considering the different time of personalized

recommendation, using the method of clustering to sign in the data packet, recommend

the results are given. Through the analysis of the model calculation results compared

with other position recommended method and the result of interaction between various

levels to verify the effectiveness of the method.

Starting from the concept of social network, this paper join the position dimension

of social network, geographical location, the virtual network and the social reality,

discuss recommendation algorithm in the application of location-based social network.

Then analyze the data from the perspective of human movement behavior, verification

in social network location several features of human movement, aiming at these

features hierarchical position recommended model is set up.

Key Word：Hierarchical Model, Recommended Method, Human

movement, Geographic Location, Social Networks

中文摘要

ABSTRACT

第一章绪论 ................................................................................................................ 1

1.1 课题背景及意义 ............................................................................................... 1

1.2 国内外研究现状 ............................................................................................... 2

1.2.1 推荐系统研究现状 ................................................................................ 2

1.2.2 基于地理位置推荐系统研究现状 ........................................................ 3

1.3 本文研究内容及章节安排 ............................................................................... 4

1.3.1 本文主要内容 ........................................................................................ 4

1.3.2 本文的章节安排 .................................................................................... 4

第二章推荐系统与在线社交网络 ................................................................................ 5

2.1 推荐系统 ........................................................................................................... 5

2.1.1 基本介绍 ................................................................................................ 5

2.1.2 影响因素 ................................................................................................ 6

2.1.3 实际应用 ...............................................................................................11

2.2 在线社交网络 ................................................................................................. 12

2.2.1 定义及介绍 .......................................................................................... 12

2.2.2 研究方法 .............................................................................................. 13

2.2.3 实际应用 .............................................................................................. 14

2.3 基于地理位置的社交网络 ............................................................................. 15

2.3.1 OSNs 的推荐系统 ................................................................................. 15

2.3.2 从OSNs 到LBSNs .............................................................................. 17

2.4 本章小结 ......................................................................................................... 17

第三章 LBSNs 中的推荐系统 ..................................................................................... 19

3.1 LBSNs 中的定义和服务 ................................................................................. 19

3.1.1 一般推荐 .............................................................................................. 20

3.1.2 个性化推荐 .......................................................................................... 20

3.2 LBSNs 推荐系统研究 ..................................................................................... 22

3.3 应用与挑战 ..................................................................................................... 23

3.3.1 实际应用 .............................................................................................. 23

3.3.2 面临的挑战 .......................................................................................... 24

3.4 本章小结 ......................................................................................................... 25

第四章 LBSNs 中的人类移动及层次 Pitman-Yor 模型 ............................................. 26

4.1 LBSNs 中的人类移动 ..................................................................................... 26

4.1.1 前言 ...................................................................................................... 26

4.1.2 数据来源及处理 .................................................................................. 26

4.1.3 数据表现 .............................................................................................. 27

4.2 层次 Pitman-Yor 过程模型 ............................................................................. 30

4.2.1 前言 ...................................................................................................... 30

4.2.2 HPY 模型 .............................................................................................. 31

4.3 本章小结 ......................................................................................................... 33

第五章分层模型的推荐方法 ...................................................................................... 34

5.1 评价指标及相似度计算 ................................................................................. 34

5.1.1 推荐模型评价指标 .............................................................................. 34

5.1.2 相似度计算 .......................................................................................... 34

5.2 历史序列层和社交关系层建模 ..................................................................... 35

5.2.1 对比模型 .............................................................................................. 35

5.2.2 模型建立 .............................................................................................. 36

5.2.3 实验结果分析 ...................................................................................... 38

5.3 时间层建模 ...................................................................................................... 39

5.3.1 时间聚类分析 ...................................................................................... 39

5.3.2 模型建立 .............................................................................................. 40

5.3.3 实验结果分析 ...................................................................................... 41

5.4 本章小结 ......................................................................................................... 41

第六章总结与展望 ...................................................................................................... 43

6.1 总结 ................................................................................................................. 43

6.2 进一步研究 ..................................................................................................... 44

参考文献 ........................................................................................................................ 45

在读期间公开发表的论文和承担科研项目及取得成果 ............................................ 52

致谢 ................................................................................................................................ 53

第一章绪论

1.1 课题背景及意义

随着 web 2.0 技术的普遍应用，越来越多的社交网站备受关注[1]，如 Facebook，

LinkedIn 等。通过挖掘这些网站中大量的数据，可以得到个性化的预测和物品、

用户或者数字内容的推荐。尤其是从用户的社交和互动来收集信息（图片标签和

物品评分），根据用户共同的朋友或者共同的评论来推荐物品或者朋友。

据中国互联网络信息中心（CNNIC）2014 年7月发布的《第 34 次中国互联网

络发展状况统计报告》[2]，截至 2014 年6月，我国网民规模达 6.32 亿，较 2013

年底增加 1442 万人。互联网普及 46.9%，较 2013 年底提升了 1.1 个百分点。我

国手机网民规模达 5.27 亿，较 2013 年底增加 2699 万人。手机上网的网民比例为

83.4%，相比 2013 年底上升了 2.4 个百分点。台式电脑和笔记本电脑上网网民比

例略有下降，分别为 69.6%和43.7%。手机上网比例首超传统 PC 上网比例，移动

互联网带动整体互联网发展。

现在，移动通讯网络覆盖全球各地，普适计算走进了我们的生活，人们随时

随地都可以利用移动设备来接入互联网[3]。移动设备（如，GPS、Wi-Fi）技术的

进步，使得传统的基于互联网的社交网络也支持地理定位，从而进化成了基于地

理位置的社交网络（Location-based social networks ，LBSNs）。地理位置数据就

变成了传统 Web 网络缺失的一个维度。在这个新的时代，人们可以从许多移动设

备中得到更好的基于地理位置的服务，人们还可以通过分享彼此的位置信息来得

到更好的协作或服务[4]。例如，通过位置分享，可以通过社交软件结交周边的新

朋友；商家在得到用户当前的位置之后，可以为用户推荐周边的相关服务等。

在LBSNs 中，用户的需求不断地被挖掘，用户也在不断地去探索和寻找自己

感兴趣的地点。他们可能接下来去餐馆、体育馆、游乐场等等。而这些信息，传

统的方法是通过用户自己的搜索去解决，但当互联网中的信息变得纷繁复杂，社

交圈子变得越来越大时，用户很难以关键字去搜索，因此我们就需要更加个性化

推荐使用户从中发现自己感兴趣的部分[5]，推荐我们接下来想去的场所。

本文的目的就是通过了解 LBSNs 中的用户行为的一般规律，来建立推荐模

型，从而在地理位置社交网络中为用户提供更加准确、贴心的位置服务。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要“用户下一步想要去哪”这样的问题是现今各大基于地理位置的应用运营商想要知道的答案。只有分析出用户下一步的打算，才能更好的为用户在海量的信息中找到自己想要的，这样运营商才能获得订单和利润。现在，专家学者对于人类行为的研究有了一定的成果，通过分析地理位置社交网络数据，找到了关于人们的移动行为的特征，本文将对这些特征进行分析，建立推荐模型，帮助运营商为用户做最好的位置推荐。首先，专家们研究地理位置社交网络中人类移动行为发现：一方面人类的长旅途会受到社交网络关系的影响，一部分人的长旅途目的地是他们朋友所在地或之前去过的地方；另一方面人类的移动在空间上和时间上具有周期性，人们总是周期性的出现在某些地...

展开>> 收起<<

基于分层模型的位置推荐方法研究.pdf

共56页,预览6页

还剩页未读，继续阅读

基于分层模型的位置推荐方法研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: