發(fā)布時間：2019-04-17 12:43

【摘要】：為了提高在位置社交網(wǎng)絡(luò)中匹配軌跡相似用戶的準確性,提出了一種基于自適應密度聚類的用戶軌跡相似性雙重加權(quán)模型。首先,根據(jù)簽到點的分布,提出基于聚類區(qū)域半徑的自適應密度聚類算法,對簽到點進行聚類,得到符合一定區(qū)域半徑的自適應分層聚類區(qū)域。然后,針對用戶相似性的計算,提出用戶軌跡相似性雙重加權(quán)模型:基于不同層次上權(quán)重不同及同一層次上不同簽到區(qū)域權(quán)重不同2個原則。基于分層聚類區(qū)域,計算用戶訪問各分層的軌跡相似性;由于不同簽到區(qū)域?qū)ο嗨贫鹊谋碚髂芰Σ煌?通過不同權(quán)重來計算具體層次上的相似性。進而,進行層次上的加權(quán),獲得用戶總體的相似性。仿真表明,該方法能有效地分析出用戶軌跡相似性,具備較高的準確性。
[Abstract]:In order to improve the accuracy of matching track similarity users in position social networks, a double weighted model based on adaptive density clustering is proposed. Firstly, according to the distribution of check-in points, an adaptive density clustering algorithm based on the radius of cluster region is proposed to cluster the check-in points and obtain the adaptive hierarchical clustering region which accords with a certain radius of the region. Then, according to the calculation of user similarity, a double weighted model of user track similarity is proposed, which is based on two principles: different weights at different levels and different check-in regions at the same level. Based on hierarchical clustering region, the similarity of users' access to each layer is calculated, and because different check-in regions have different representation ability to similarity, the similarity at specific levels is calculated by different weights. Then, we can get the similarity of the user population by weighting at the level. Simulation results show that this method can effectively analyze the similarity of user tracks and has high accuracy.
【作者單位】： 四川大學電子信息學院;西南民族大學計算機學院;
【分類號】：TP393.09

【相似文獻】

相關(guān)期刊論文 前10條

1 李林容;;社交網(wǎng)絡(luò)的特性及其發(fā)展趨勢[J];新聞界;2010年05期

2 陳琛;沙昊;;社交網(wǎng)絡(luò)的開放融合圖譜[J];通信世界;2010年48期

3 楊宇良;;網(wǎng)絡(luò)讓我們更遠還是更近[J];互聯(lián)網(wǎng)天地;2011年01期

4 陳昱;;社交網(wǎng)絡(luò)革命與國家安全關(guān)系[J];情報雜志;2011年S2期

5 勞倫·考克斯;;請在工作時更新你的狀態(tài)[J];科技創(chuàng)業(yè);2011年05期

6 斯蒂芬·卡斯;;在線社區(qū)能否解決隱私問題[J];科技創(chuàng)業(yè);2011年08期

7 陳云鵬;;電子商務引領(lǐng)社交網(wǎng)絡(luò)走進2.0時代[J];上海信息化;2012年01期

8 馬文剛;;智慧的物聯(lián)社交網(wǎng)絡(luò)[J];上海信息化;2012年03期

9 朱乾龍;張倩;杜娟;;我國社交網(wǎng)絡(luò)繁榮背后面臨深層次問題困擾[J];世界電信;2012年06期

10 劉華;;社交網(wǎng)絡(luò)的融合之路[J];軟件工程師;2012年07期

相關(guān)會議論文 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預測與關(guān)系強度研究[A];第七屆（2012）中國管理學年會商務智能分會場論文集（選編）[C];2012年

2 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

3 宮廣宇;李開軍;;對社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學科研究生學術(shù)論壇獲獎論文[C];2010年

4 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學生焦慮緩解[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術(shù)會議論文集[C];2013年

5 杜p，

本文編號：2459452