基于过滤-精炼策略的用户特定时间段移动轨迹特征-计算机系统应用.pdfVIP

2017 年 第 26 卷 第 1 期 计 算 机 系 统 应 用 基于过滤-精炼策略的用户特定时间段移动轨迹特征 提取① 杨东山, 张晓滨 (西安工程大学 计算机科学学院, 西安 710048) 摘 要: 发现移动用户在特定时间段的轨迹特征是实现用户个性化推荐服务的关键之一. 采用过滤--精炼策略, 研究了如何从单用户的大量轨迹数据中发现其在较长时间内的特定时间段的兴趣点. 在过滤阶段, 将用户连续 若干天中同一特定时间段内的轨迹数据进行基于密度的聚类, 从而得到用户在这些天中每天的该特定时间段的 停留点. 在精炼阶段, 对所有的停留点再一次聚类, 进而得到用户在这些天中该特定时间段的兴趣点. 最后, 通 过实验验证了该方法的有效性. 关键词: 轨迹; 聚类; 停留点; 兴趣点 Feature Extraction for Users’ Trajectories in a Period Based on Filter-Refinement Strategy YANG Dong-Shan, ZHANG Xiao-Bin (School of Computer Science, Xi’an Polytechnic University, Xi’an 710048, China) Abstract: Finding features of users’ trajectories in a period of time is one of the key point to realize user’s personalized recommendation service. In this paper, how to find the interests in a period from the large amount of user’s trajectories is presented with a filter-refinement strategy. In the filter step, the user’s trajectories in the same period for several certain days are clustered based on density to obtain the user’s stops; in the refinement step, the stops are clustered to obtain the user’s interests. Finally, experiments show the effectiveness of this work. Key words: trajectories; clustering; stop and move; interest 移动设备的广泛使用和GPS 技术的迅猛发展使得 程的 Eps-linear-neighborhood, 结合时间 MinTime, 对 海量的时空数据因运而生. 这些数据给人们的生活和 空间数据进行聚类, 所得到的簇作为该用户的停留点. 学者的科研带来了新的机遇与挑战. 通过对用户的海 此外, 该算法还给出了聚类时所需半径的计算方法. Zhao Xiuli [8] 量的时空数据分析, 我们可以得到用户在日常生活中 等人 在Palma 等人的基础上对聚类时所需 [8] 感兴趣的地点, 从而在许多基于位置的服务中更好地 半径的计算方法做了改进. Zhao 等人 认为聚类时所 为用户推荐贴心的个性化服务[1,2]. 而如何高效准确地 需的半径计算方法应该根据用户移动的速度快慢分为 从海量的时空数据中得到用户感兴趣的地点是研