城市商圈是现实世界中经济网络的一种基本结构。通过挖掘城市中的商圈数据,扩展新的应用场景,可以使终端用户受益。用户在访问商圈后产生的基于位置的签到数据可以被用于挖掘商圈,并提供数据支持。然而,基于签到数据的商圈挖掘工作面临几方面的问题。(1)在传统的商圈挖掘模型和方法中,存在参数难以设置的问题;(2)标准AP聚类算法的计算复杂度较高且只能发现球形状商圈,不适合用于大规模数据聚类问题和挖掘商圈呈非球形状的情况。针对以上问题,为了有效地挖掘城市商圈,本文提出了改进的AP聚类商圈挖掘算法,主要研究内容如下:首先,提出并设计了基于签到数据的AP聚类商圈挖掘算法。将标准AP聚类算法引入城市商圈挖掘领域中,并通过利用位置签到数据中的签到量特征来合理地设置AP算法的偏向参数值,使得在聚类实施的信息更新过程中,增加了类代表点的约束条件。通过使用Yelp数据集为实验数据,对比标准的AP聚类算法以及贪心搜索算法,实验结果证明了所提出的算法的有效性。其次,提出并设计了改进的AP聚类商圈挖掘算法。首先通过分析标准AP聚类算法的信息传播过程,利用密度最大值聚类算法挖掘出潜在商圈中心,从而压缩了算法的输入相似度矩阵,进而提升了算法计算效率;然后对经过标准AP聚类算法处理而得到的初始商圈集合,分析其内部的距离属性,设计了与类内距离和类间距离相关的合并策略,提高了挖掘结果的准确性;最后使用Yelp数据集为实验数据,对比标准的AP聚类算法,所得实验结果证明了算法在基本保留全部信息的基础上,提升了算法执行效率。本研究具有重要的应用价值:(1)通过对标准AP聚类算法的改进,使其具有有效分析、处理数据的能力,为数据科学的发展提供了新的工具;(2)从给定的签到数据中挖掘出城市商圈的分布,可以为探测商圈内的热点、分析商圈的动态变化提供数据支持。