[發(fā)明專利]一種天氣特征對(duì)用戶簽到影響的度量方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810129059.9
• 申請(qǐng)日: 2018-02-08
• 公開(kāi)（公告）號(hào): CN108364098B
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 蘇暢;吳德正;謝顯中;周秋麗
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種天氣特征對(duì)用戶簽到影響的度量方法，其特征在于：該方法包含如下步驟：

S1：通過(guò)歷史數(shù)據(jù)分析找到對(duì)用戶簽到影響大的天氣特征；

S11：通過(guò)柱狀圖分析歷史數(shù)據(jù)中的降雨、風(fēng)速、溫度與簽到的數(shù)學(xué)分布關(guān)系；

S12：通過(guò)統(tǒng)計(jì)Gowalla的散點(diǎn)圖和塊狀分布，找到歷史數(shù)據(jù)中用戶簽到最密集地點(diǎn)的天氣狀況，從而確定對(duì)用戶簽到影響大的天氣特征；

S2：對(duì)找到的歷史數(shù)據(jù)中的天氣特征進(jìn)行高斯擬合并計(jì)算簽到地點(diǎn)的歷史天氣得分；

S21：對(duì)找到的歷史數(shù)據(jù)中的天氣特征進(jìn)行高斯擬合：

f(x)＝a·exp(c(x-d)²)

其中，f(x)為高斯擬合函數(shù)，a、c、d為參數(shù)，x為天氣特征變量，

S22：將高斯函數(shù)的形式轉(zhuǎn)化為矩陣乘法的形式，利用最小二乘法計(jì)算出參數(shù)a、c、d；

S23：對(duì)用戶歷史數(shù)據(jù)中的每一條簽到記錄所含的天氣特征，定義溫度特征T的得分為：

定義降雨特征p的得分為：

定義風(fēng)速特征w的得分為：

定義用戶每條簽到記錄的天氣得分為：

P^weather＝P(p)·P(w)·P(T)

其中，P^weather為天氣得分；

S3：選擇神經(jīng)網(wǎng)絡(luò)；所述神經(jīng)網(wǎng)絡(luò)為三層結(jié)構(gòu)，包括神經(jīng)網(wǎng)絡(luò)依次連接的輸入層、隱藏層和輸出層，其中所述隱藏層的神經(jīng)元的數(shù)量為12；

S4：將所述歷史天氣得分分為訓(xùn)練集和測(cè)試集，并對(duì)所述神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練；

S41：隨機(jī)抽取70％的歷史數(shù)據(jù)的天氣信息及對(duì)應(yīng)天氣得分作為訓(xùn)練集；

S42：將訓(xùn)練集數(shù)據(jù)處理，

歸一化為[-1，1]之間的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，其中N_o為歸一化結(jié)果，D_n為所處理的第n個(gè)數(shù)據(jù)，D_max、D_min分別為訓(xùn)練集數(shù)據(jù)中的最大值和最小值；

S43：選擇sigmoid函數(shù)作為隱藏層的激活函數(shù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練，選取的參數(shù)包含學(xué)習(xí)率、訓(xùn)練步長(zhǎng)、初始的權(quán)值、閾值、激活函數(shù)和學(xué)習(xí)算法，由所述激活函數(shù)獲得的天氣得分函數(shù)為：

其中a₀，b₀分別為加入神經(jīng)網(wǎng)絡(luò)中輸入層和隱藏層的偏置變量，為不同輸入層的權(quán)重，g為線性函數(shù)，為sigmoid函數(shù)，a_j分別表示a₁為溫度，a₂為降雨，a₃為風(fēng)速；

S5：對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)通過(guò)所述測(cè)試集進(jìn)行測(cè)試；

S51：選取15％的歷史數(shù)據(jù)的天氣信息及對(duì)應(yīng)天氣得分作為測(cè)試集，15％的歷史數(shù)據(jù)的天氣信息及對(duì)應(yīng)天氣得分作為驗(yàn)證集；

S52：將測(cè)試集和驗(yàn)證集輸入神經(jīng)網(wǎng)絡(luò)，對(duì)神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性進(jìn)行評(píng)估；

S6：將當(dāng)前的天氣特征作為輸入，通過(guò)訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)計(jì)算出當(dāng)前的天氣得分；

S61：地點(diǎn)X_k通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算出在t+1時(shí)刻天氣得分即：

其中，表示可達(dá)地點(diǎn)X_l的集合，X_l表示用戶u在時(shí)間t所在的地點(diǎn)，X_k是X_l的可達(dá)地點(diǎn)，S表示所有地點(diǎn)集合，表示用戶在t+1時(shí)刻不可到達(dá)X_k并且天氣得分為0，表示t+1時(shí)刻用戶訪問(wèn)地點(diǎn)X_k；

S62：匯總所有天氣得分，得到用戶u在t+1時(shí)刻所有地點(diǎn)的天氣向量；

S63：將t+1時(shí)刻所有地點(diǎn)的天氣向量進(jìn)行從大到小排列為：

從而預(yù)測(cè)用戶的下一個(gè)興趣點(diǎn)，其中，u為用戶，t為時(shí)刻，表示神經(jīng)網(wǎng)絡(luò)計(jì)算出的在t+1時(shí)刻地點(diǎn)X_k的天氣得分，m為可達(dá)地點(diǎn)總數(shù)。