个性化与典型化空间关键字查询方法研究

Existing spatial keyword query processing models only consider the location proximity and text similarity between spatial objects and query while they neglect the social relationships of spatial objects and user comments. Furthermore, the top-k results are also very similar to each other. However, the user hopes to obtain the top-k results that are both satisfied to his/her personal preferences and typical (both representative and diverse) in the result set. Therefore, it is necessary to investigate the personalized and typical spatial keyword query approach. To deal with the problem above, this project will propose a user spatial keyword query behavior analysis model in order to reveal the user query behavior rule and preferences. And then, according to the user preferences and query context, a personalized query reformulation method will be proposed. An index structure which can support both the location proximity and semantic relevancy searching will also be constructed to facilitate the personalized and semantic relevance result retrieving. Next, this project will investigate the Non-IIDness (Independence and Identical Distribution) based spatial object coupling relationship measuring mechanism. Consequently, three query result typicality analysis models, i.e., global typicality, local typicality, and diverse typicality, and the corresponding typical result top-k approximate selection algorithm and ranking mechanism will be presented. Lastly, the top-k typical result objects will be selected from the semantic relevancy results. The project aims to build a general personalized and typical spatial keyword query framework, and to provide the key technologies for the real applications including Location-based Services, City Planning, Marketing, etc.

现有空间关键字查询方法仅考虑空间对象与查询的位置相近度和文本相似度，但忽略了空间对象之间的社会关系和用户偏好，并且返回的top-k个结果之间又通常比较相似，而用户希望获得既满足其偏好又是典型（兼具代表性和多样性）的结果，因此需要研究个性化与典型化空间关键字查询方法。针对上述问题，项目提出用户空间关键字查询行为建模方法，揭示用户查询行为规律和用户偏好；根据用户偏好和上下文环境，提出个性化查询转换方法，构建支持位置相近和语义相关搜索的混合索引结构，用于快速获取个性化语义相关结果；研究基于非独立同分布的空间对象耦合关系评估机理，建立耦合关系下的查询结果全局典型化、局部典型化和多样典型化分析模型，提出典型结果top-k近似选取和排序机制，最终从语义相关结果中选取top-k个典型排序结果。项目目标是构建个性化与典型化空间关键字查询框架，为基于位置的查询服务、城市规划和市场营销等应用领域提供关键技术。

以空间-文本数据为背景的两种高度相关的空间关键字查询和兴趣点推荐技术是当前基于位置服务领域备受关注的研究热点。项目针对空间-文本数据的查询与推荐中亟待解决的空间关键字个性化语义查询、查询结果典型化分析与top-k近似选取、多样性兴趣点推荐等问题进行了研究，主要研究内容和成果包括：.（1）针对空间关键字个性化语义查询问题，建立了基于注意力机制和门控循环单元（GRU）的用户行为规律分析和偏好挖掘模型，提出了基于条件生成对抗网络（CGAN）和用户偏好的查询关键字语义扩展方法，构建了同时支持位置、文本和数值匹配的混合索引结构（AIR-Tree），实现了空间关键字查询的个性化转换和语义相关结果的快速检索。.（2）针对查询结果的典型化分析与top-k近似选取问题，提出了基于非独立同分布的空间对象耦合关系评估方法；根据空间对象的耦合相关度，提出了基于概率密度估计的空间对象典型程度评估方法；设计了基于局部邻域的典型程度分析与top-k近似选取算法，并证明了近似算法误差率的理论上界。.（3）针对多样性兴趣点推荐问题，构建了兴趣点的位置-社会关系图，提出了基于图嵌入的用户和兴趣点的嵌入向量生成方法；根据位置-社会关系相关度，提出了基于谱聚类的兴趣点集合划分方法，进而利用概率因子模型从各子集中获取多样性且贴近用户偏好的兴趣点构成推荐列表。.通过在Yelp、Gowalla和Foursquare数据集上的大量实验表明，提出的用户行为规律分析和偏好挖掘方法能有效捕获用户上下文偏好，查询扩展方法产生的语义相关关键字更为合理，AIR-Tree索引具有较高的查询准确性和执行效率；基于局部邻域的典型结果top-k近似选取算法具有较小误差率和较高执行效率；推荐的兴趣点列表具有较高多样性和一定准确性。.上述成果可应用于基于位置的服务系统、隐形社区发现、时空数据挖掘、城市计算等领域，对于改进各领域现有系统的服务质量具有重要作用。