[發明專利]一種基于社交網絡的位置預測系統及方法

在審

• 申請號: 201710488445.2
• 申請日: 2017-06-23
• 公開（公告）號: CN107194011A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 尚鳳軍;劉海昇
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N5/04;G06Q50/00
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 姜彥

1.一種基于社交網絡的位置預測方法，其特征在于，所述基于社交網絡的位置預測方法包括以下步驟：

步驟一，爬取社交網絡簽到數據；

步驟二，對爬取的社交網絡簽到數據進行預處理，過濾掉簽到次數小于平均簽到次數的數據，清洗掉無效的數據，利用核平滑插值技術對簽到數據的稀疏性進行處理；在f(x)中，若使用鄰域樣本的均值進行插值，則使f(x)不平滑，所以使用一個核函數對估計值平滑；具體使用核加權平均，公式為：

f(x0)=Σi=1NK(x0,xi)yiΣi=1NK(x0,xi);]]>

其中K(.)采用高斯核函數，可見，離x0越近的影響力越大，對應輸出的權越大，符合簽到數據的實際模擬；

步驟三，結合常規位置預測的輸出概率P_r(loc)和非常規位置預測的輸出概率P_u(loc)，預測下一位置是否為常規位置；

步驟四，通過常規位置預測模塊，得到top-m個位置列表；通過提取分析數據采集模塊中采集的非結構化信息，應用于top-m位置列表，提高位置預測精度，得到top-k個位置列表，k<＝m。

2.如權利要求1所述的基于社交網絡的位置預測方法，其特征在于，所述預測下一位置是否為常規位置公式為：

P(loc)＝λPr(loc)+(1-λ)Pu(loc)；

其中Pr(loc)為常規位置預測概率，Pu(loc)為非常規位置預測概率，λ為調節參數，λ∈{0，1}。

3.如權利要求1所述的基于社交網絡的位置預測方法，其特征在于，所述常規位置預測采用MHMM算法，HMM結合時間特征和空間特征對位置進行預測；選用混合HMM算法對下一位置進行預測；

其中C_t+1為t+1時刻的位置類別，S_t為t時刻的觀察序列狀態，為時間空間向量。

4.如權利要求1所述的基于社交網絡的位置預測方法，其特征在于，所述非常規位置預測結合構建知識圖譜，挖掘社交關系，采用融合社交關系的馬爾科夫模型結合位置推薦系統對非常規位置進行預測；首先利用簽到數據集構建知識圖譜，在知識圖譜上進行推理，其次基于歷史簽到數據并融合相似用戶訓練一個馬爾科夫模型對下一位置進行預測；最后將馬爾科夫模型和位置推薦系統結合在一起，提高位置預測精度。