移动情境感知环境下的用户行为分析与模式挖掘

"本书从移动情境感知视角探究用户行为模式。研究覆盖个体、群体、社区三类用户，提出四种行为模式挖掘方法。

在个体层面，本书通过嵌套键值模型与自适应挖掘法，构建效用评估机制实现序列推荐； 在群体层面，本书以城市居民通勤为切入点，构建框架与算法，揭示其行为规律及与城市空间结构的关联，助力城市规划； 在社区层面，鉴于传统方法的局限，本书提出基于网络社区检测的语义轨迹聚类算法，考量情境多维度特性，提升聚类准确性。上述研究成果在情境感知个性化服务、计算社会科学等领域作用显著，尤其在旅游等行业应用前景广阔。

本书适用于从事计算机科学、数据分析、人工智能研究的专业人员，高校相关专业师生及科研人员。
"

刘彩虹,大连外国语大学软件学院副教授，博士，图书情报专业研究生导师。主持近十项教学和科研项目，发表教学和科研论文二十余篇，在国家级出版社主编多部教材，曾获辽宁省教学成果奖，辽宁省高等教育学会优秀学术成果奖等多个奖项。

第1章 绪论 …………………………………………………………………… 1

1.1 研究背景与意义 ……………………………………………………… 1
1.1.1 研究背景 …………………………………………………… 1
1.1.2 研究问题 …………………………………………………… 3
1.1.3 研究意义 …………………………………………………… 5
1.2 国内外相关研究进展 ………………………………………………… 6
1.2.1 移动情境感知计算的研究进展 …………………………… 6
1.2.2 用户行为模式挖掘的研究进展 …………………………… 13
1.2.3 轨迹数据挖掘的研究进展 ………………………………… 17
1.2.4 国内外相关研究工作小结 ………………………………… 22
1.3 研究内容与论文结构 ……………………………………………… 24
1.3.1 研究内容 …………………………………………………… 24
1.3.2 本书结构 …………………………………………………… 26

第2章 移动情境感知环境下的个体用户行为模式挖掘方法 ……………… 30

2.1 问题描述与研究框架 ……………………………………………… 30
2.2 频繁多维序列模式挖掘算法 ……………………………………… 32
2.2.1 频繁多维序列模式的表示 ………………………………… 33
2.2.2 嵌套键值数据模型 ………………………………………… 35
2.2.3 全局频繁多维序列模式挖掘算法 ………………………… 37
2.2.4 局部频繁多维序列模式挖掘算法 ………………………… 37
2.3 数值实验及结果分析 ……………………………………………… 39
2.3.1 评估方法 …………………………………………………… 40

Ⅵ

2.3.2 个体用户日常活动模式识别 ……………………………… 40
2.3.3 智能终端设备使用模式识别 ……………………………… 43
2.3.4 移动应用程序使用模式识别 ……………………………… 45
本章小结 …………………………………………………………………… 48
第3章 移动情境感知环境下的Top-N 高效用个体用户行为模式
挖掘方法 ……………………………………………………………… 49
3.1 问题描述与研究框架 ……………………………………………… 49
3.2 Top-N 高效用序列模式挖掘算法 ………………………………… 52
3.2.1 Top-N 高效用序列的表示………………………………… 52
3.2.2 构建序列树 ………………………………………………… 56
3.2.3 动态更新高效用树 ………………………………………… 57
3.3 实验及结果分析 …………………………………………………… 60
3.3.1 数据集 ……………………………………………………… 60
3.3.2 Top-N 高效用序列模式挖掘……………………………… 63
3.3.3 基于 Top-N 高效用序列模式的订单推荐 ……………… 67
本章小结 …………………………………………………………………… 70

第4章 移动情境感知环境下的群体用户行为模式挖掘方法 ……………… 71

4.1 问题描述与研究框架 ……………………………………………… 71
4.2 城市居民通勤行为模式挖掘算法 ………………………………… 76
4.2.1 网格映射 …………………………………………………… 76
4.2.2 标准偏差加权距离 ………………………………………… 77
4.2.3 自然近邻 …………………………………………………… 78
4.2.4 分而治之策略 ……………………………………………… 80
4.2.5 GDPC_SFNN 算法 ………………………………………… 82
4.2.6 复杂度分析 ………………………………………………… 83
4.3 实验及结果分析 …………………………………………………… 84
4.3.1 数据集 ……………………………………………………… 84
4.3.2 网格单元大小对聚类结果的影响 ………………………… 85
4.3.3 聚类算法对比 ……………………………………………… 87
4.3.4 通勤行为模式分析 ………………………………………… 88
本章小结 …………………………………………………………………… 92

Ⅶ


第5章 移动情境感知环境下的社区用户行为模式挖掘方法 ……………… 94

5.1 问题描述与研究框架 ……………………………………………… 94
5.2 基于社区检测的语义轨迹聚类算法 ……………………………… 96
5.2.1 语义轨迹的相似性度量 …………………………………… 97
5.2.2 语义轨迹聚类 …………………………………………… 100
5.3 实验及结果分析 …………………………………………………… 102
5.3.1 评估方法 ………………………………………………… 102
5.3.2 数值算例 ………………………………………………… 103
5.3.3 真实数据集实验 ………………………………………… 105
本章小结 ………………………………………………………………… 118

第6章 结论与展望 ………………………………………………………… 119

6.1 结论 ………………………………………………………………… 119
6.2 创新点 ……………………………………………………………… 121
6.3 展望 ………………………………………………………………… 123

参考文献 ……………………………………………………………………… 125