基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前移动用户地点预测方法对时间的依赖性较强且在小数据集上表现差的问题,提出一种基于皮特曼-尤尔及移动马尔可夫链(PY-MMC)模型的下一步地点预测方法。该方法综合考虑目标用户轨迹的短时效应及幂律分布特征。以用户的时间位置熵为参考,计算可预测性因子。依据该因子对皮特曼-尤尔模型及移动马尔可夫链模型输出的概率线性加权,建立 PY-MMC 模型。利用新模型计算每个下一步候选地点的概率,并取最大者输出,完成下一步地点的预测。以“Geolife”及“Foursquare”数据集为例,采用一步准确率、一步候选准确率及平均准确率3个评估指标进行实验。结果表明:新方法能够有效克服基于 MMC 模型的预测方法准确率随时间波动较大的不足。同时,该方法解决了基于 PY 模型的预测方法对子序列长度过度依赖的问题。
推荐文章
蜂窝网络移动用户位置识别
蜂窝网络
移动通信
位置识别
基于概率的移动用户移动模型
移动模型
高斯-马尔可夫
速度预测
位置预测
基于DBSCAN的移动用户驻留规律研究
基站聚类
频繁模式
密度聚类
驻留规律
移动用户个性化服务技术与应用
移动用户
个性化服务
推荐技术
信息过滤技术
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 移动用户下一地点预测新方法
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 移动马尔可夫链(MMC) 皮特曼-尤尔过程 位置熵 移动用户 下一地点预测
年,卷(期) 2016,(12) 所属期刊栏目 ? 计算机科学 ?
研究方向 页码范围 2371-2379
页数 9页 分类号 TP309
字数 7171字 语种 中文
DOI 10.3785/j.issn.1008-973X.2016.12.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 单洪 27 99 6.0 8.0
2 朱立新 11 71 4.0 8.0
3 马春来 2 7 2.0 2.0
4 李志 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (56)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (7)
二级引证文献  (4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(8)
  • 参考文献(1)
  • 二级参考文献(7)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
移动马尔可夫链(MMC)
皮特曼-尤尔过程
位置熵
移动用户
下一地点预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导