移動數(shù)據(jù)挖掘

叢書前言
前言
第1章　引言1
　　1.1　移動數(shù)據(jù)及其價值1
　　1.2　概念與定義4
　　1.3　挑戰(zhàn)5
　　1.4　本書簡介7
第2章　移動數(shù)據(jù)預處理10
　　2.1　移動數(shù)據(jù)簡介10
　　2.2　缺失數(shù)據(jù)補全18
　　　　2.2.1　公交卡的上下點補全19
　　　　2.2.2　地點類別補全23
　　2.3　重要地點檢測25
　　2.4　語義信息標注29
　　　　2.4.1　區(qū)域功能標記29
　　　　2.4.2　地點命名36
第3章　用戶移動建模42
　　3.1　基于人類動力學的移動建模研究43
　　　　3.1.1　連續(xù)時間的隨機游走模型43
　　　　3.1.2　引力模型47
　　3.2　基于時空數(shù)據(jù)挖掘的移動建模研究47
　　　　3.2.1　馬爾可夫鏈模型48
　　　　3.2.2　時間規(guī)律性模型58
　　　　3.2.3　時空降維模型60
　　　　3.2.4　社交關(guān)系影響63
　　　　3.2.5　新穎地點預測65
　　　　3.2.6　預測算法的融合66
第4章　基于移動數(shù)據(jù)的用戶畫像73
　　4.1　顯性屬性預測74
　　　　4.1.1　移動數(shù)據(jù)和顯性屬性的關(guān)聯(lián)74
　　　　4.1.2　位置畫像模型76
　　4.2　隱性屬性預測80
　　　　4.2.1　獵奇心理特質(zhì)挖掘80
　　　　4.2.2　消費沖動心理挖掘85
第5章　個性化興趣地點推薦90
　　5.1　協(xié)同過濾92
　　　　5.1.1　基于鄰域的方法93
　　　　5.1.2　基于社交相似性的協(xié)同過濾95
　　　　5.1.3　基于模型的方法95
　　5.2　基于內(nèi)容的過濾102
　　　　5.2.1　內(nèi)容過濾方法簡介103
　　　　5.2.2　地理建模104
　　　　5.2.3　文本內(nèi)容與情感分析108
　　5.3　混合方法110
　　　　5.3.1　混合模型基本方法110
　　　　5.3.2　地理建模和協(xié)同過濾的聯(lián)合模型111
　　　　5.3.3　社交正則化的矩陣分解116
　　　　5.3.4　內(nèi)容感知的協(xié)同過濾方法117
　　　　5.3.5　集成學習120
　　5.4　情境感知的協(xié)同過濾方法120
　　　　5.4.1　時間感知的地點推薦120
　　　　5.4.2　序列化地點推薦124
　　5.5　地點推薦系統(tǒng)的評價124
第6章　結(jié)語126
參考文獻128