论文部分内容阅读
人们在筹划路径时往往面临两方面的挑战:一是难以准确地从海量信息中筛选出符合需求的信息用于筹划路径,二是筹划一条路径涉及地点的筛选和时间的安排等,需要投入大量的精力。有效而合理的路径推荐可以很好地解决上述两个问题。然而,目前针对路径推荐的研究存在场景局限、自动化和个性化程度不高等问题,难以生成令人满意的路径。本文对路径规划与推荐技术进行了深入分析和研究,提出了基于转移的模型,借助集体智慧解决了位置数据的不确定性问题,并通过可达语义和顺序语义表达了位置之间的关联性,同时减小了问题的搜索空间。在该模型的基础上,文章提出了一种个性化的路径推荐方法:首先使用隐语义模型根据用户的历史数据进行用户偏好识别和预测,从路径转移的角度实现个性化;然后根据历史数据生成加权访问时间密度分布和加权转移时间密度分布,并使用KL散度确定访问时间和转移时间的合适程度,实现上下文信息角度的个性化;最后文章提出的路径生成算法在用户偏好和上下文信息的基础上生成个性化路径。在路径推荐方法的基础上,本文设计并实现了个性化路径推荐系统,系统服务器端包括离线和在线两个计算阶段,离线计算识别并预测用户偏好,在线计算用于处理用户请求,生成的路径则由客户端显示给用户。最终本文根据实际数据对方法进行了验证。本文首先介绍了研究背景,并对路径规划与推荐的相关文献做了综述,分析了现有研究存在的问题。然后结合对位置数据特征的分析提出了基于转移的模型,并在该模型的基础上提出了个性化的路径推荐方法,从路径转移和上下文信息的角度实现了个性化。最后,本文介绍了个性化路径推荐系统的实现,并在实际数据集的基础上对路径推荐方法进行了实验验证。