[發明專利]一種基于指數平滑的位置預測系統及方法

在審

• 申請號: 202210043900.9
• 申請日: 2022-01-14
• 公開（公告）號: CN114398566A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 吳錫軍;劉潤然
• 申請（專利權）人: 杭州師范大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F17/18
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于指數平滑的位置預測系統及方法。利用指數平滑方法，結合歷史簽到數據，更加真實的體現歷史簽到數據對位置預測的影響；使用用戶歷史簽到數據，結合EM算法、指數平滑和高斯模型，實現對用戶下一個時間出現的位置進行預測。本發明利用指數平滑方法，有差別的使用歷史數據，可以更加真實的反應出歷史數據對位置預測的影響，進而提高位置預測模型的預測精度。

技術領域

本發明是推薦算法位置預測領域，具體涉及一種基于指數平滑的位置預測系統及方法。

背景技術

隨著智能手機廣泛的使用，基于位置的服務的不斷增加以及GPS等位置獲取技術的最新發展，使得位置信息成為Foursquare、Gowalla和Facebook等社交網絡的重要組成成分。準確的位置預測在城市規劃、交通預測、廣告推送、疾病預防以及推薦系統等方面具有非常重要的應用價值。

隨著信息技術的快速發展，在位置預測系統中用戶的信息變得多元化，各種各樣的輔助信息可以被利用，從社交網絡信息到興趣相投的陌生人信息、從時間信息到運動軌跡信息，從上下文信息到環境信息，這些信息維度隨著互聯網技術的發展越來越高，從而使得位置預測系統能夠更加準確的去描述用戶和位置的特征，從而提高用戶體驗。

影響位置預測精度的因素有很多種，比較常見的是用戶的簽到數據和社交網絡。(1)用戶的簽到數據。其中包含的位置坐標和簽到時間對預測結果具有很大的作用。用戶的行為是具有穩定性和周期性的，用戶的位置是受時間和空間的限制；(2)用戶的社交網絡。朋友對用戶位置的影響受時間差和距離差的影響，比如用戶的朋友訪問了一個位置，隨著時間的推移，用戶訪問該位置的概率越低；用戶的朋友訪問的位置距離用戶越遠，用戶訪問的概率越低。基于這兩個影響因素，已有學者提出頻次模型，高斯模型，pmm模型和psmm模型。

傳統模型對簽到數據的使用，僅限于使用當天的數據來進行位置預測，沒有使用歷史簽到數據，或者無差別的使用歷史簽到數據。這將導致歷史簽到數據對用戶位置預測的影響無法體現，這是因為歷史數據的影響會隨時間的推移而變弱。指數平滑方法的引入，可以真實的反應歷史數據對位置預測結果的影響。

發明內容

針對現有技術中存在的不足，本發明提供了一種基于指數平滑的位置預測系統及方法。本發明利用指數平滑方法，結合歷史簽到數據，更加真實的體現歷史簽到數據對位置預測的影響，解決了如何使用歷史簽到數據進行位置預測和提高預測精度的問題。

一種基于指數平滑的位置預測系統，包括數據處理模塊和位置預測模塊。

所述的數據處理模塊用于獲取用戶的簽到數據，基于當前需要預測的時刻，提取前n天的簽到數據作為歷史數據。

所述的位置預測模塊包括參數擬合模塊、模型計算模塊和預測模塊。

所述的參數擬合模塊對數據處理模塊獲取的歷史簽到數據集以天為單位使用EM算法進行簽到狀態分類，計算相關一維時序高斯模型參數，使用指數平滑進行計算，獲得一維時序高斯模型最終參數，最后進行二維空間高斯模型參數計算。

所述的模型計算模塊根據預測的時間，通過一維時序高斯模型利用參數擬合模塊擬合出來的一維時序高斯參數計算響應度，根據二維空間高斯模型，計算出位置集中每一個位置出現的概率，獲取給定位置集中在空間模型中的得分。

所述的預測模塊根據得到的給定位置集中在空間模型中的得分獲取最佳預測位置。

一種基于指數平滑的位置預測方法，步驟如下：

步驟(1).獲取歷史數據集：

獲取用戶的簽到數據，基于當前需要預測的時刻，提取前n天的簽到數據作為歷史數據。

步驟(2).擬合參數：