CN110515981A - 一种基于时空轨迹的用户识别方法及装置 - Google Patents

Abstract

本发明涉及一种基于时空轨迹的用户识别方法及装置，包括：获取待识别用户的兴趣区域；构建待识别用户和数据库中用户的时空关系网络；利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；计算待识别用户特征向量与数据库中用户特征向量的相似度；通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。本发明提供的技术方案综合考虑用户自身行为与用户间关系特征，兼顾对用户行为的稳定性和差异性的特征描述。其中，用户兴趣区域的获取更多的考虑行为稳定性，网络边权的设计更多的考虑差异性，采用多视角自主表示学习有助于获得更加鲁棒性的用户向量表示。

Description

一种基于时空轨迹的用户识别方法及装置

技术领域

本发明属于轨迹数据挖掘领域，尤其涉及一种基于时空轨迹的用户识别方法及装置。

背景技术

近年来，随着位置采集及移动计算技术的快速发展，时空轨迹数据呈现爆炸式增长。时空轨迹数据是指具有时间元素并随时间变化而变化的空间数据，通常为位置-时间序列。这种记录移动行为的数据中蕴含了大量反映人类信息的知识，如基本属性、偏好、习惯等内外部特性。相较于虚拟网络空间的用户自生成数据，来源于真实世界的行为信息可以更多地刻画用户的真实特征。

在实际应用中，对营销者而言，需要精准定位用户身份才能做好个性化服务，做好平台的推广与运营；对社交平台而言，挖掘不同网络账号背后的相同实体，可以进行个性化推荐，达到长足稳健的发展目的。因此，挖掘分析用户数据，从中识别确认用户身份，是大量实际任务的首要需求。

目前的研究主要利用空间数据，或引入时间维度的统计信息，依靠手工枚举的方式提取用户特征，如挖掘用户对某些区域不同粒度的访问频率分布、熵、轨迹序列等，没有深入挖掘复杂的用户行为特征。再基于所提取的特征进行用户识别或匹配任务，如利用二部图匹配算法、改进的相似度度量算法等。例如，在“位置服务社交网络用户行为相似性分析”中，先对用户地理位置进行密度聚类，利用用户访问位置区域，建立向量空间模型，最后计算不同粒度下的用户相似性，进而识别访问地理位置相似的用户。然而，特征的获取是有局限性的，并且在低采样率的数据下缺乏可靠性。此外，识别用户除了需要表达用户自身的行为特性外，还需要考虑用户在社会网络中的功能特征，目前很少有研究进行用户间关系特征的挖掘。

因此，需要提供一种基于时空轨迹的用户识别方法及装置来解决现有技术的不足。

发明内容

为了解决现有技术存在的问题，本发明提供了一种基于时空轨迹的用户识别方法及装置，从用户层面获得用户的兴趣区域；根据不同视角构建用户关系网络；利用node2vec算法在不同网络中学习用户特征向量表示，进而达到度量用户相似性与识别用户的目的。

一种基于时空轨迹的用户识别方法，包括：

获取待识别用户的兴趣区域；

构建待识别用户和数据库中用户的时空关系网络；

利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

计算待识别用户特征向量与数据库中用户特征向量的相似度；

通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。

进一步的，所述获取待识别用户的兴趣区域，包括：

采用基于时间和空间的停留点检测方法，从原始时空轨迹序列中提取时序停留点；

基于OPTICS算法对所述时序停留点的轨迹进行密度聚类，获取用户兴趣区域。

进一步的，采用基于时间和空间的停留点检测方法，从原始时空轨迹序列中提取时序停留点，包括：

对轨迹序列按时间次序遍历；

若当前点与上一点的时间差不超过时间阈值且距离不超过距离阈值，则加入同一待合并点集；

直到找到不能满足时间阈值或距离阈值的点，则提取所述待合并点集为一个时序停留点；

所述时序停留点的序列表示如下所示：

P＝{P₀,P₁,…,P_m}

P_k＝(lng_k,lat_k,C_k,ArrT_k,LeavT_k,R_k)，k＝0,1,...,m

其中，P_m为序列元素；lng_k和lat_k分别为序列元素的经度和纬度；C_k为序列元素的访问频次；ArrT_k为序列元素的到达时间；LeavT_k为序列元素的离开时间；R_k为序列元素的半径。

进一步的，按下式所示计算用户兴趣区域：

其中，为用户对区域I_j的兴趣密度；C_j为用户对区域I_j的访问频次；Days_j为用户对区域I_j的访问天数；ΔT_j为用户在区域I_j的停留时间；R_j为区域I_j的半径；q为用户的兴趣区域个数；α₀、α₁和α₂分别为用户对区域I_j的访问频率占比的权重系数，访问天数占比的权重系数以及停留时间占比的权重系数。

进一步的，所述构建待识别用户和数据库中用户的时空关系网络，包括：

构建待识别用户和数据库中用户的空间关系网络；和

构建待识别用户和数据库中用户的时间-空间关系网络。

进一步的，构建待识别用户和数据库中用户的空间关系网络，包括：

按下式构建所述空间关系网络：

其中，W_UV为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合。

进一步的，构建待识别用户和数据库中用户的时间-空间关系网络，包括：

按下式构建所述时间-空间关系网络：

其中，W_UV′为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合；为用户U和V对区域I_j采样时间交集时长；Ts_U∩Ts_V为用户U和V采样时间交集时长；为用户U对区域I_j访问时段的集合；为用户V对区域I_j访问时段的集合。

进一步的，利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量，包括：

按下式计算用户的特征向量：

其中，β和1-β分别为空间关系和时间-空间关系的特征系数权重；和分别为空间关系和时间-空间关系获得的用户向量。

进一步的，计算待识别用户特征向量与数据库中用户特征向量的相似度，包括：

按下式计算用户特征向量相似度：

其中，Sim(.)为用户特征向量的相似度；和分别为用户U和V的特征向量；Dis(.)为向量距离。

一种基于时空轨迹的用户识别装置，包括：

获取模块，用于获取待识别用户的兴趣区域；

构建模块，用于构建待识别用户和数据库中用户的时空关系网络；

第一计算模块，用于利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

第二计算模块，用于计算待识别用户特征向量与数据库中用户特征向量的相似度；

识别模块，用于通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。

本发明提供的技术方案与最接近的现有技术相比具有如下优点：

本发明提供的技术方案中多视角自主表示学习用户特征向量表示，网络表示学习有利于挖掘节点多面深层次的潜在特征，多视角的引入有助于获得更加鲁棒性的表示。

本发明提供的技术方案综合考虑用户自身行为与用户间关系特征，兼顾对用户行为的稳定性和差异性的特征描述。其中，用户兴趣区域的获取更多的考虑行为稳定性，网络边权的设计更多的考虑差异性。

本发明提供的算法极大降低了对数据质量的依赖性，用户兴趣区域计算、网络邻居节点设计以及多视角计算，弱化了位置时间共现匹配的约束。

附图说明

图1是本发明方法流程图；

图2是本发明实施例中用户时序停留点示意图；

图3是本发明实施例中用户兴趣区域计算流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1、

如图1所示，本发明实施例提供了一种基于时空轨迹的用户识别方法，包括：

获取待识别用户的兴趣区域；

构建待识别用户和数据库中用户的时空关系网络；

利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

计算待识别用户特征向量与数据库中用户特征向量的相似度；

通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。

优选的，获取待识别用户的兴趣区域，包括：

从用户个人层面，用户兴趣区域的计算分为两部分。首先，采用基于时间和空间的停留点检测方法，从原始时空轨迹中提取时序停留点。然后，基于OPTICS算法对时序停留点轨迹进行密度聚类，获得用户兴趣区域。

第一阶段，对用户原始轨迹序列按时间排序L＝{l₀,l₁,…,l_n}，其中l_i＝(lng_i,lat_i,t_i),i＝0,1,…,n。对轨迹序列按时间次序遍历，若当前点与上一点的时间差不超过时间阈值θ_t且距离不超过距离阈值θ_d，则加入同一待合并点集，直到找到不能满足时间阈值或距离阈值的点，则提取待合并点集为一个停留点，并将不满足条件的点加入新的待合并点集，并继续上述提取与合并过程。停留点的中心(lng_k,lat_k)为待合并集合中点的加权平均中心，频次和为访问频次C_k，各点到中心距离的最大值为半径R_k，第一个点的时间为到达时间ArrT_k，最后一点的时间为离开时间LeavT_k，如图2所示。因此，时序停留点序列可以表示为P＝{P₀,P₁,…,P_m}，其中P_k＝(lng_k,lat_k,C_k,ArrT_k,LeavT_k,R_k),k＝0,1,…,m。

第二阶段，不考虑时间顺序约束，对用户时序停留点基于OPTICS(orderingpoints to identify the clustering structure)算法进行密度聚类。指定半径ε，以及最少点数MinPts，获得用户兴趣区域I＝{I₀,I₁,…,I_q}，其中I_j＝(lng_j,lat_j,C_j,Ts_j,R_j),j＝0,1,…,q，区域中心(lng_j,lat_j)为加权平均中心，C_j为访问频次，Ts_j＝{(ArrT₀,LeavT₀),(ArrT₁,LeavT₁),…,(ArrT_q,LeavT_q)}为访问过该区域的时间段序列，R_j为各停留点到中心距离的最大值。

如图3所示，从用户层面进行兴趣区域的计算，右侧是上述过程中输入参数。为了刻画用户对某区域的关注度不同，设置用户U对区域I_j的兴趣密度为

其中，为用户对区域I_j的兴趣密度；C_j为用户对区域I_j的访问频次；Days_j为用户对区域I_j的访问天数；ΔT_j为用户在区域I_j的停留时间；R_j为区域I_j的半径；q为用户的兴趣区域个数；α₀、α₁和α₂分别为用户对区域I_j的访问频率占比的权重系数，访问天数占比的权重系数以及停留时间占比的权重系数。

优选的，构建待识别用户和数据库中用户的时空关系网络，包括：

采用两种视角构建用户关系网络。将用户作为网络节点，比较用户兴趣区域集合进行节点间边的计算。空间视角下，如果某对用户有兴趣区域的重叠，即兴趣区域中心点间的距离小于等于两区域半径的和Dis(lng_i,lat_i,lng_j,lat_j)≤R_i+R_j，则确立存在边连接关系。此时用户U和V的边权计算公式如下所示：

其中，W_UV为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合。

类似地，时空视角下，如果某对用户有兴趣重叠，且有时间共现，即同时满足兴趣区域中心点间的距离小于等于两区域半径的和，即Dis(lng_i,lat_i,lng_j,lat_j)≤R_i+R_j，且U访问过该区域的时间段集合Ts_Uj和V访问过该区域的时间段集合Ts_Vj有共现，即Ts_Uj∩Ts_Vj≠φ，则建立边。此时，设置用户U和V的边权为如下公式所示

其中，W_UV′为用户U和V的边权；W_UIj和W_VIj分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合；为用户U和V对区域I_j采样时间交集时长；Ts_U∩Ts_V为用户U和V采样时间交集时长；Ts_Uj为用户U对区域I_j访问时段的集合；Ts_Vj为用户V对区域I_j访问时段的集合。

优选的，利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量，包括：

Node2vec算法是一种训练网络节点潜在特征的方法，通过结合深度优先和广度优先算法进行邻居节点的选择，结合语言模型中word2vec等方法，为网络节点学习向量表示。根据上述两个用户关系网络，利用node2vec算法进行节点表示学习。空间视角和时空视角下，分别获得用户U的向量表示为υ_U1和υ_U2，用户U的特征向量表示为：

其中，β和1-β分别为空间关系和时间-空间关系的特征系数权重；和分别为空间关系和时间-空间关系获得的用户向量。

优选的，计算待识别用户特征向量与数据库中用户特征向量的相似度，包括：

待识别用户与数据库中用户计算特征向量相似度为

其中，Sim(.)为用户特征向量的相似度；和分别为用户U和V的特征向量；Dis(.)为向量距离。

优选的，通过所述相似度的排序，识别数据库中与待识别用户最相似的用户，包括：

通过相似度排序，可以分别识别与目标用户最相似的Top N个用户。

实施例2、

基于相同的发明构思本发明还提供了一种基于时空轨迹的用户识别装置，包括：

获取模块，用于获取待识别用户的兴趣区域；

构建模块，用于构建待识别用户和数据库中用户的时空关系网络；

第一计算模块，用于利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

第二计算模块，用于计算待识别用户特征向量与数据库中用户特征向量的相似度；

识别模块，用于通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。

优选的，获取模块包括：

提取子模块，用于采用基于时间和空间的停留点检测方法，从原始时空轨迹序列中提取时序停留点；

获取子模块，用于基于OPTICS算法对所述时序停留点的轨迹进行密度聚类，获取用户兴趣区域。

优选的，提取子模块，用于，

对轨迹序列按时间次序遍历；

若当前点与上一点的时间差不超过时间阈值且距离不超过距离阈值，则加入同一待合并点集；

直到找到不能满足时间阈值或距离阈值的点，则提取所述待合并点集为一个时序停留点；

所述时序停留点的序列表示如下所示：

P＝{P₀,P₁,…,P_m}

P_k＝(lng_k,lat_k,C_k,ArrT_k,LeavT_k,R_k)，k＝0,1,...,m

其中，P_m为序列元素；lng_k和lat_k分别为序列元素的经度和纬度；C_k为序列元素的访问频次；ArrT_k为序列元素的到达时间；LeavT_k为序列元素的离开时间；R_k为序列元素的半径。

优选的，获取子模块，用于，

按下式所示计算用户兴趣区域：

其中，为用户对区域I_j的兴趣密度；C_j为用户对区域I_j的访问频次；Days_j为用户对区域I_j的访问天数；ΔT_j为用户在区域I_j的停留时间；R_j为区域I_j的半径；q为用户的兴趣区域个数；α₀、α₁和α₂分别为用户对区域I_j的访问频率占比的权重系数，访问天数占比的权重系数以及停留时间占比的权重系数。

优选的，构建模块包括：

空间关系子模块，用于构建待识别用户和数据库中用户的空间关系网络；和

时空关系子模块，用于构建待识别用户和数据库中用户的时间-空间关系网络。

优选的，空间关系子模块，用于，

按下式构建所述空间关系网络：

其中，W_UV为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合。

优选的，时空关系子模块，用于，

按下式构建所述时间-空间关系网络：

其中，W_UV′为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合；Ts_Uj∩Ts_Vj为用户U和V对区域I_j采样时间交集时长；Ts_U∩Ts_V为用户U和V采样时间交集时长；Ts_Uj为用户U对区域I_j访问时段的集合；Ts_Vj为用户V对区域I_j访问时段的集合。

优选的，第一计算模块，用于，

按下式计算用户的特征向量：

其中，β和1-β分别为空间关系和时间-空间关系的特征系数权重；和分别为空间关系和时间-空间关系获得的用户向量。

优选的，第二计算模块，用于，

按下式计算用户特征向量相似度：

其中，Sim(.)为用户特征向量的相似度；和分别为用户U和V的特征向量；Dis(.)为向量距离。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于时空轨迹的用户识别方法，其特征在于，包括：

获取待识别用户的兴趣区域；

构建待识别用户和数据库中用户的时空关系网络；

利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

计算待识别用户特征向量与数据库中用户特征向量的相似度；

通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。

2.根据权利要求1所述的一种基于时空轨迹的用户识别方法，其特征在于，所述获取待识别用户的兴趣区域，包括：

采用基于时间和空间的停留点检测方法，从原始时空轨迹序列中提取时序停留点；

基于OPTICS算法对所述时序停留点的轨迹进行密度聚类，获取用户兴趣区域。

3.根据权利要求2所述的一种基于时空轨迹的用户识别方法，其特征在于，采用基于时间和空间的停留点检测方法，从原始时空轨迹序列中提取时序停留点，包括：

对轨迹序列按时间次序遍历；

若当前点与上一点的时间差不超过时间阈值且距离不超过距离阈值，则加入同一待合并点集；

直到找到不能满足时间阈值或距离阈值的点，则提取所述待合并点集为一个时序停留点；

所述时序停留点的序列表示如下所示：

P＝{P₀,P₁,…,P_m}

P_k＝(lng_k,lat_k,C_k,ArrT_k,LeavT_k,R_k)，k＝0,1,...,m

其中，P_m为序列元素；lng_k和lat_k分别为序列元素的经度和纬度；C_k为序列元素的访问频次；ArrT_k为序列元素的到达时间；LeavT_k为序列元素的离开时间；R_k为序列元素的半径。

4.根据权利要求2所述的一种基于时空轨迹的用户识别方法，其特征在于，按下式所示计算用户兴趣区域：

其中，为用户对区域I_j的兴趣密度；C_j为用户对区域I_j的访问频次；Days_j为用户对区域I_j的访问天数；ΔT_j为用户在区域I_j的停留时间；R_j为区域I_j的半径；q为用户的兴趣区域个数；α₀、α₁和α₂分别为用户对区域I_j的访问频率占比的权重系数，访问天数占比的权重系数以及停留时间占比的权重系数。

5.根据权利要求1所述的一种基于时空轨迹的用户识别方法，其特征在于，所述构建待识别用户和数据库中用户的时空关系网络，包括：

构建待识别用户和数据库中用户的空间关系网络；和

构建待识别用户和数据库中用户的时间-空间关系网络。

6.根据权利要求5所述的一种基于时空轨迹的用户识别方法，其特征在于，构建待识别用户和数据库中用户的空间关系网络，包括：

按下式构建所述空间关系网络：

其中，W_UV为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合。

7.根据权利要求5所述的一种基于时空轨迹的用户识别方法，其特征在于，构建待识别用户和数据库中用户的时间-空间关系网络，包括：

按下式构建所述时间-空间关系网络：

其中，W_UV′为用户U和V的边权；和分别为用户U和V对区域I_j的兴趣密度；为用户U和V不同兴趣点的集合；Ts_Uj∩Ts_Vj为用户U和V对区域I_j采样时间交集时长；Ts_U∩Ts_V为用户U和V采样时间交集时长；Ts_Uj为用户U对区域I_j访问时段的集合；Ts_Vj为用户V对区域I_j访问时段的集合。

8.根据权利要求1所述的一种基于时空轨迹的用户识别方法，其特征在于，利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量，包括：

按下式计算用户的特征向量：

其中，β和1-β分别为空间关系和时间-空间关系的特征系数权重；和分别为空间关系和时间-空间关系获得的用户向量。

9.根据权利要求1所述的一种基于时空轨迹的用户识别方法，其特征在于，计算待识别用户特征向量与数据库中用户特征向量的相似度，包括：

按下式计算用户特征向量相似度：

其中，Sim(.)为用户特征向量的相似度；和分别为用户U和V的特征向量；Dis(.)为向量距离。

10.一种基于时空轨迹的用户识别装置，其特征在于，包括：

获取模块，用于获取待识别用户的兴趣区域；

构建模块，用于构建待识别用户和数据库中用户的时空关系网络；

第一计算模块，用于利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；

第二计算模块，用于计算待识别用户特征向量与数据库中用户特征向量的相似度；

识别模块，用于通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。