论文部分内容阅读
随着智能信息化时代的到来，在日常生活中人们更多的关注与吃、住、行相关的服务信息，因此，智能设备就成为人们随时随地获得这些服务的便捷途径，而这些服务与位置紧密相关，如人们出行在外，想知道距离自己所在位置较近的餐饮有哪些，并希望能获得与自己所喜欢的餐饮相关的推荐，又如在旅行过程中希望能推荐一条自己感兴趣的旅游路线等信息或将自己走过的旅游路线分享给其他人，为他们的出行提供参考等。对于这些需求，通过移动通讯网络或定位技术获得移动终端用户的个人位置信息，再结合地理位置信息系统为用户提供基于位置的服务(Location Based Service，LBS)已经成为一个研究热点。而LBS所提供与位置相关的服务都不同程度地使用了个性化推荐，如facebook、贝多网、网易八方和去哪网等应用。然而现有的基于位置服务推荐系统缺乏统一的理论模型，并且其推荐质量有待提高，因此我们主要针对如何建立具有理论依据的位置推荐模型和用户轨迹模式进行挖掘。具体研究成果包括：1.提出了一种基于抽象状态机的位置服务推荐模型。该模型利用抽象状态机方法进行建模，用简单的数学结构描述位置服务推荐计算的状态构建清晰易懂的位置服务推荐模型。而且该模型可以作为基准模型，可按具体需求对其任意进行水平和垂直调整。我们利用抽象状态机对构建的模型进行语义描述，即可对该模型的不同抽层次进行描述。2.将位置服务推荐模型扩展为个性化路线推荐模型，并对扩展模型各模块所涉及的数据处理、聚类、计算用户路线相似度算法分别进行了研究，特别是我们提出了新的计算用户路线相似度方法最长语义轨迹相似度（Longest Semantic TrajectorySimilarity，LSTS），结合动态规划的思想避免了计算路线子序列的重复计算问题，主要是对传统算法的实效性和准确性进行了改善。3.我们还用AsmL对整个路线推荐模型内部一致性和合理性进行了验证，AsmL测试所生成的有限状态自动机的状态迁移证明了整个模型的可靠性。基于个性化路线推荐模型实现了旅游路线推荐系统，并在此系统应用了我们提出的数据预处理方法和计算用户相似度算法LSTS。我们还将LSTS算法与传统的计算用户相似度方法进行了比较，实验结果表明LSTS算法的准确率和时间效率方面都优于传统方法。