基于手機(jī)端用戶數(shù)據(jù)的地點(diǎn)預(yù)測模型研究與實(shí)踐.pdf

1、用戶的活動(dòng)地點(diǎn)，反應(yīng)了個(gè)體的喜好、活動(dòng)規(guī)律及一個(gè)人的社會關(guān)系。如果能夠建立一個(gè)人的地點(diǎn)預(yù)測模型，就可以根據(jù)用戶當(dāng)前的地點(diǎn)預(yù)測用戶下一次可能出現(xiàn)的位置。智能手機(jī)已經(jīng)成為了人們生活中不可缺少的一部分，所以研究手機(jī)端用戶數(shù)據(jù)，建立地點(diǎn)預(yù)測模型具有深遠(yuǎn)意義。
　　本文對人類地點(diǎn)空間活動(dòng)軌跡模型和數(shù)據(jù)挖掘技術(shù)中的預(yù)測技術(shù)等相關(guān)理論進(jìn)行了深入的探討，總結(jié)歸納了目前國內(nèi)外在人類地點(diǎn)空間活動(dòng)軌跡研究領(lǐng)域的研究成果，針對人類活動(dòng)軌跡總是同時(shí)頻繁訪問

2、某一些特定地點(diǎn)的特征和人類訪問地點(diǎn)總是具有某種先后順序的特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了基于改進(jìn)的Apriori算法的強(qiáng)關(guān)聯(lián)地點(diǎn)項(xiàng)模型和基于改進(jìn)的PreFiSpan算法的地點(diǎn)序列預(yù)測模型，進(jìn)而實(shí)現(xiàn)了對手機(jī)端用戶的地點(diǎn)預(yù)測模型。首先，利用改進(jìn)后的Apriori算法對用戶的歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，將具有強(qiáng)關(guān)聯(lián)性的地點(diǎn)項(xiàng)抽取出來，即在歷史數(shù)據(jù)中在同一天出現(xiàn)頻率較高的地點(diǎn)項(xiàng)。其次基于改進(jìn)后的PreFixSpan算法挖掘出用戶活動(dòng)軌跡的先后順序。為了提高挖掘地點(diǎn)

3、先后順序的效率，將強(qiáng)關(guān)聯(lián)地點(diǎn)項(xiàng)模型的輸出結(jié)果作為地點(diǎn)序列預(yù)測模型的輸入數(shù)據(jù)，生成強(qiáng)關(guān)聯(lián)地點(diǎn)項(xiàng)的投影數(shù)據(jù)庫即地點(diǎn)預(yù)測集。在預(yù)測階段，只要輸入用戶當(dāng)前的地點(diǎn)信息，模型就會在預(yù)測結(jié)果集中匹配下一個(gè)將要被訪問的地點(diǎn)，將被訪問可能性最大的地點(diǎn)作為預(yù)測結(jié)果。
　　本文建模使用的數(shù)據(jù)為Nokia手機(jī)端用戶數(shù)據(jù)，利用用戶前半年的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，后半年的數(shù)據(jù)作為測試數(shù)據(jù)，目前本文提出的預(yù)測模型的預(yù)測準(zhǔn)確率在65％左右。Nokia挑戰(zhàn)賽的平均預(yù)測準(zhǔn)