CN102880719A - 基于位置社交网络的用户轨迹相似性挖掘方法 - Google Patents

Abstract

本发明提出一种位置社交网络用户轨迹相似性的挖掘方法，通过数据挖掘方法分析海量的用户签到数据，从用户历史签到的地理位置信息上研究用户轨迹相似性，提出了一种基于自适应密度聚类的用户轨迹相似性双重加权模型。针对用户签到点的分布情况，提出基于聚类区域半径的自适应密度聚类算法，对签到点进行聚类划分，得到符合一定区域半径的自适应分层聚类区域。针对用户相似性的计算，提出用户轨迹相似性双重加权模型：基于不同层次上权重不同及同一层次上不同签到区域权重不同两个原则。基于分层聚类区域，计算用户访问每个分层的轨迹相似性，由于不同签到区域对相似度的表征能力不同，通过不同权重加权来计算具体层次上的相似性。进而进行层次上的加权，获得用户总体的相似性。

Description

基于位置社交网络的用户轨迹相似性挖掘方法

技术领域

本发明涉及一种位置社交网络用户轨迹相似性的挖掘方法，适用于位置社交网络。 

背景技术

随着现代科学和技术的快速发展，人类对世界的认识也在不断加深，在对现实世界的探索过程之中，各种数据大量出现，在这些海量的数据中，蕴藏着众多有用的信息。为了发现这些数据中的隐含信息，从而有效的利用这些信息为人类的生产和生活服务，数据挖掘应运而生。 

如今，在线社交网络服务已经成为互联网上发展最快的应用。基于位置的社交网络(LBSN)通过整合移动互联网和互联网的新型社交网络服务，支持用户随时随地自由记录并分享地理位置等信息，网站中保存用户访问真实世界地理位置的记录构成用户的行为轨迹。由于位置服务社交网络的流行，对位置服务社交网络用户行为的分析^[成为一个重要的研究课题。通过空间数据挖掘相应技术手段，我们可以从海量的用户数据中提取出用户的内在关系和隐含的信息，从而分析用户轨迹相似性、兴趣相似性、用户相似性分组等，帮助用户去更好的发现自己身边的世界，或者帮助网络服务商提供越来越精准的个性化服务。 

发明内容

该发明从用户历史签到的地理位置信息上研究用户的轨迹相似性，提出一种用户相似性度量模型，即基于自适应密度聚类的用户轨迹相似性双重加权模型(Adaptive-Density-Clustering-Based User Trajectory Similarity Double Weighted Model， ADCBUTSDWM)。 

该发明首先针对位置社交网络的签到点，提出了基于聚类区域半径的自适应密度聚类算法（Clustering-Area-Radius-Based Adaptive Density Clustering Algorithm, CARBADCA），该算法首先对用户签到点进行自适应聚类操作，得到用户访问的自适应分层位置区域；在此基础之上，提出用户轨迹相似性双重加权模型(User Trajectory Similarity Double Weighted Model, UTSDWM),首先利用向量空间模型分别计算用户在不同分层位置区域下的加权相似性，再通过加权各层次上的相似性以得到用户行为轨迹上的总体相似性。 

  

附图说明

图1是本发明的基于位置社交网络的用户轨迹相似性挖掘方法 

的总体工作流程图

图2是本发明的基于聚类区域半径的自适应密度聚类算法阶段1的流程图

图3是本发明的基于聚类区域半径的自适应密度聚类算法阶段2的流程图

图4是本发明的用户轨迹相似性双重加权模型工作流程图

具体实施方式

所述的基于聚类区域半径的自适应密度聚类算法（CARBADCA）描述如下： 

输入: 包含n个对象的数据库，初始聚类半径ε，邻域内最少数目MinPts，最终聚类区域半径限定值r; 

输出:所有生成的多个层次的分簇。 

阶段1： 

　　(1)Repeat 

　　(2)从输入数据库中抽出一个未处理的签到点； 

　　(3)标记为已处理；

(4)IF抽出的点是核心点，THEN找出所有从该点密度可达的对象，形成一个聚类区域i； 

　　(5)ELSE抽出的点是边缘点(非核心对象)，跳出本次循环，寻找下一个点； 

　　(6)UNTIL所有的点都被处理。

  

阶段2：

    (1)Repeat

(2)对于任一聚类区域i;

(3)IF聚类区域半径R大于r，根据公式（1）和（2）自适应调整聚类半径ε=ε’和MinPts=Minpts’，数据库对象n为本聚类区域i内签到点，Repeat阶段1；

(4)ELSE 子聚类区域等于父聚类区域，跳出本次循环；

(5)Recursive(2);

(6)UNTIL所有的聚类区域半径都<=r。

其中自适应因子的计算公式如下： 

                       

                   

所述的用户轨迹相似性双重加权模型(UTSDWM)描述如下：

（1）前面我们通过自适应密度聚类算法（CARBADCA），将签到点划分成了若干层次的聚类区域。下面我们就在每层聚类区域中，建立基于向量空间模型(VSM)的用户访问位置分层数据矩阵，如下面公式所示：

           

这是一个m*n阶的矩阵，其中m代表用户数，n代表签到区域数，表示第i个用户对第j个聚类区域的访问次数， g为划分聚类层次后的第g层。

如上面公式中，将某位用户i在某一层所签到的聚类区域记为向量 

 = ［，

，…，

］，n代表的是本层中所有聚类区域的总数，当用户i没有对签到区域k的访问记录时，这里记 

                          

                            

同时，我们显然知道，不同位置的签到区域的签到量相差非常巨大，这里我们在计算用户的相似度时，将不同签到区域对相似度的表征能力差异考虑进来。例如，我们应该能够理解，基于百货中心每天的人流量会相当的大，而且人员的流动性也较高，两个人在同一私人住宅区内签到远比两人在同一大型百货中心签到的相似度要高。我们将不同的签到区域c的相似度权重

定义如下：

                      

        其中，

是签到区域c内的总签到次数，n为当前层总签到区域数。

用户i和j的在某层的相似性通过相关系数法,即公式(6)来计算： 

 

其中，表示i和j共同的签到区域的合集，

表示用户i访问签到区域c的次数，

表示用户j访问签到区域c的次数，

，

表示用户i和j对签到区域的平均签到次数。

（2）由（1）我们可以顺利得到用户i和j的分层相似度

，其中g为相对应的层次，则该两个用户总的相似度

通过如下加权得到： 

               

其中，t为总层次数， 为该层对应的权值，且层次越低对应的权值越高，

的计算公式如下：

                

    。

Claims (3)

1.一种基于位置社交网络的用户轨迹相似性挖掘方法，其特征在于：该方法从用户历史签到的地理位置信息上研究用户的轨迹相似性，提出一种用户相似性度量模型，即基于自适应密度聚类的用户轨迹相似性双重加权模型(Adaptive-Density-Clustering-Based User Trajectory Similarity Double Weighted Model， ADCBUTSDWM)；

该方法首先针对位置社交网络的签到点，提出了基于聚类区域半径的自适应密度聚类算法（Clustering-Area-Radius-Based Adaptive Density Clustering Algorithm, CARBADCA），该基于聚类区域半径的自适应密度聚类算法首先对用户签到点进行自适应聚类操作，得到用户访问的自适应分层位置区域；在此基础之上，提出用户轨迹相似性双重加权模型(User Trajectory Similarity Double Weighted Model, UTSDWM),首先利用向量空间模型分别计算用户在不同分层位置区域下的加权相似性，再通过加权各层次上的相似性以得到用户行为轨迹上的总体相似性。

2.根据权利要求1所述的基于位置社交网络的用户轨迹相似性挖掘方法，其特征在于：所述的基于聚类区域半径的自适应密度聚类算法（CARBADCA）描述如下：

输入: 包含n个对象的数据库，初始聚类半径ε，邻域内最少数目MinPts，最终聚类区域半径限定值r; 

输出:所有生成的多个层次的分簇。 

阶段1：

　　(1)Repeat 

　　(2)从输入数据库中抽出一个未处理的签到点； 

　　(3)标记为已处理；

(4)IF抽出的点是核心点，THEN找出所有从该点密度可达的对象，形成一个聚类区域i； 

　　(5)ELSE抽出的点是边缘点(非核心对象)，跳出本次循环，寻找下一个点； 

　　(6)UNTIL所有的点都被处理；

 阶段2：

    (1)Repeat

(2)对于任一聚类区域i;

(3)IF聚类区域半径R大于r，根据公式（1）和（2）自适应调整聚类半径ε=ε’和MinPts=Minpts’，数据库对象n为本聚类区域i内签到点，Repeat阶段1；

(4)ELSE 子聚类区域等于父聚类区域，跳出本次循环；

(5)Recursive(2);

(6)UNTIL所有的聚类区域半径都<=r。

其中自适应因子的计算公式如下：

                       

                   。 

3.根据权利要求1所述的基于位置社交网络的用户轨迹相似性挖掘方法，其特征在于：所述的用户轨迹相似性双重加权模型(UTSDWM)描述如下：

（1）我们通过基于聚类区域半径的自适应密度聚类算法（CARBADCA），将签到点划分成了若干层次的聚类区域。下面我们就在每层聚类区域中，建立基于向量空间模型(VSM)的用户访问位置分层数据矩阵，如下面公式所示：

           

这是一个m*n阶的矩阵，其中m代表用户数，n代表签到区域数，

表示第i个用户对第j个聚类区域的访问次数， g为划分聚类层次后的第g层。

如上面公式中，将某位用户i在某一层所签到的聚类区域记为向量  = ［，

，…，

］，n代表的是本层中所有聚类区域的总数，当用户i没有对签到区域k的访问记录时，这里记

                          

                            

将不同的签到区域c的相似度权重

定义如下：

                      

        其中，

是签到区域c内的总签到次数，n为当前层总签到区域数。

用户i和j的在某层的相似性通过相关系数法,即下面公式来计算：

 

其中，

表示i和j共同的签到区域的合集，

表示用户i访问签到区域c的次数，

表示用户j访问签到区域c的次数，

，

表示用户i和j对签到区域的平均签到次数。

（2）由（1）我们可以顺利得到用户i和j的分层相似度

，其中g为相对应的层次，则该两个用户总的相似度

通过如下加权得到：

               

其中，t为总层次数， 为该层对应的权值，且层次越低对应的权值越高，的计算公式如下：

             

     。

Images