移动社交网络中用户签到位置轨迹挖掘及信息推荐策略研究

The basic rules and knowledge of human social activities hidden in their check-in data provide important basis in effectively constructing recommendation strategy in location-based social networks, which have important scientific significance and applied value. As the existing check-in location trajectory mining and prediction technologies mainly focus on geographical spatial distribution attributes of the current check-in location points reasoning, this project research on the influence of context on user check-in behavior, first of all, according to geographical spatial distribution attributes of the existing check-in location points, all users will be divided into numbers of different groups, determine which type of contexts has an effect on check-in behavior of each user group under different contextual environments, and compute the comprehensive influence degree of different types of context on user check-in behavior. Secondly, present an identification method for distinguishing main location points and area checked-in by each user group, construct successive trajectory which is made up of main location points/area, and develop a context-awareness mathematical model with hidden markov model for predicting location points which will be checked-in by users in future. Combining location-based services with personalized recommendation, study location-based information recommendation strategy. All these model and recommendation strategy will be validated by different experiments at last.

签到数据中隐含的人类社会生活的基本规律和知识是基于位置的社会化网络中构建推荐策略的重要依据，具有重要的科学意义和应用价值。针对目前签到位置轨迹挖掘与预测技术主要依据已签到位置点的地理空间分布特征进行推理的现状，本课题首先研究上下文因素对用户签到行为的影响，根据已有历史签到位置点的地理分布情况把所有用户划分成不同的组，在不同上下文环境下判断哪种上下文信息对每组用户签到行为有影响，并利用层次分析模型计算多种上下文信息对用户签到行为的综合影响程度。其次提出用户重要签到位置点和重要签到位置区域的识别方法，构建由重要签到位置点和重要签到区域组成的连续签到位置轨迹，基于隐马尔科夫链模型，建立上下文感知的用户签到位置预测模型。最后把基于位置的服务与个性化推荐服务相融合，研究基于位置的信息服务推荐策略，并利用实验验证相关模型和推荐策略的准确性和有效性。

针对目前签到位置轨迹挖掘与预测技术主要依据已签到位置点的地理空间分布特征进行推理的现状，本课题首先研究上下文因素对用户签到行为的影响，根据已有历史签到位置点的地理分布情况把所有用户划分成不同的组，在不同上下文环境下判断哪种上下文信息对每组用户签到行为有影响，并利用层次分析模型计算多种上下文信息对用户签到行为的综合影响程度。其次提出用户重要签到位置点和重要签到位置区域的识别方法，构建由重要签到位置点和重要签到区域组成的连续签到位置轨迹，提出一种基于多阶马尔科夫模型的自适应推荐算法。此方法采用多阶马尔科夫链模拟用户签到位置之间连续依赖关系，由于基于位置的社会化网络用户签到数据的稀疏性，这种连续依赖不是固定不变的，采用一种自适应方法，能够根据用户签到轨迹长度特征调整连续依赖的阶数。因此本方法可以应用于不支持固定阶连续依赖的轨迹预测问题中。