作者：高夏行为预测频繁移动实际生活需求交叉定位
摘要：新浪微博是一种允许大量用户彼此分享包括位置在内的个人信息的电子媒介,它使得掌握用户的运动轨迹成为可能。尽管用户的运动和移动模式有着高度的自由性和多样性,但是周期性的运动是非常频繁的现象,因此寻找用户的周期行为对于了解用户的动作至关重要。在本文中将这个问题定义为“预测用户将要去哪里”,该问题涉及2个子问题：如何发现用户的历史行为以及如何应用用户的历史行为来预测其将来的行为。假设用户的行为是周期性的,并且如果用户在一个位置的时间足够长,那么他/她将会一直待在这个位置。基于这2个假设,提出一个4阶段算法Period-Near来解决这个问题。在算法的第1阶段挖掘用户的周期性行为,第2阶段发现其较为频繁的移动,第3阶段了解用户在最近一段时间所处的位置,第4阶段是根据前3个阶段来预测用户接下来将要去哪里。无论是在综合数据上还是实际数据上的实验研究均表明本文方法具有一定的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
