[發明專利]一種基于時空軌跡和社會網絡的用戶屬性預測系統

有效

• 申請號: 201611141121.3
• 申請日: 2016-12-12
• 公開（公告）號: CN106600053B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 王平輝;孫飛揚;王迪;管曉宏;陶敬;張巖;曹鵬飛;賈鵬;胡小雨;曹宇;蘭林
• 申請（專利權）人: 西安交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/9537;G06K9/62
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 段俊濤

1.一種基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，包括：

數據處理子系統，包括時空軌跡處理模塊和社會網絡處理模塊，時空軌跡處理模塊將所有用戶的時空軌跡處理成容易進行后續操作的三階張量形式，社會網絡處理模塊將所有用戶之間的社交關系處理成容易進行后續操作的鄰接矩陣形式。

特征提取子系統，降低用戶時空軌跡的維度，從用戶的時空軌跡數據中提取出有價值的特征，使提取出的特征適用于現有的分類算法；

分類預測子系統，利用用戶的隱含特征訓練多種分類器，使用已知屬性的用戶隱含特征訓練多種分類器對用戶，用目標用戶的隱含特征進行預測。

2.根據權利要求1所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述時空軌跡處理模塊中，所需的原始的時空軌跡記錄包括用戶標識，地理位置標示和時間標識，時空軌跡處理模塊建立一個元素全為零的三階張量，其中行數＝用戶標識數、列數＝地理位置標識數、管數＝時間段標識數，即三階張量的每一行代表一個用戶，每一列代表一個地點，每一管代表一個時間段。

3.根據權利要求1所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述社會網絡處理模塊中，所需的數據為用戶的社會網絡信息，用戶的社會網絡信息表現為用戶間存在的某種關系，對這些信息進行提取，建立一個反映用戶間社交關系的鄰接矩陣。

4.根據權利要求1所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述特征提取子系統應用非負張量分解(NTF)算法來提取有價值的特征，所述非負張量分解(NTF)算法對時空軌跡張量進行分解，用社會網絡信息進行約束，得到三個二階矩陣，分別代表了每個用戶、每個地理位置和每個時間段的隱含特征。

5.根據權利要求4所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述非負張量分解(NTF)算法包括：輸入一個張量其中m是用戶數量，n是地理位置數量，h是時間段數；輸入社會網絡矩陣若用戶u_i和u_j有社交關系，則A(i,j)＝1，否則A(i,j)＝0，NTF算法將解決如下的優化問題：

上述優化問題也即目標函數，其中O_TRA代表對時空軌跡信息的分解，O_U代表利用社會網絡進行約束，U,V,T分別是用戶、地理位置和時間段的隱含特征表示，是待學習的非負矩陣，r是隱含特征的維度；表示向量外積；u_:j，v_:j，t_:j分別是矩陣U,V,T的第j列；L＝D-A，α，γ為調節參數。

6.根據權利要求5所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述目標函數的乘法更新規則(multiplicative updating rule)為：

其中X₍₁₎,X₍₂₎,X₍₃₎分別是張量X的模-1，模-2，模-3展開；⊙表示Khatri-Rao乘積；*表示Hadamard乘積，U,V,T矩陣的初始值隨機生成，但必須保證非負，最終迭代得到用戶的隱含特征矩陣U。

7.根據權利要求1所述基于時空軌跡和社會網絡的用戶屬性預測系統，其特征在于，所述分類預測子系統使用多種分類器對用戶屬性進行預測，最后綜合判斷用戶屬性。