[发明专利]一种应用于LBSN网络的基于地理标签的热点区域事件探测系统

权利要求书

1.一种应用于LBSN网络的基于地理标签的热点区域事件探测系统，其特征在于：所述LBSN网络中的LBSN数据库(2)与用户(1)之间设置所述基于地理标签的热点区域事件探测系统(3)；

所述基于地理标签的热点区域事件探测系统(3)包括有签到聚类模块(31)、基于标签聚类的区域计算模块(32)和热点区域事件计算模块(33)；所述热点区域事件计算模块(33)为LBSN数据库(2)与用户(1)之间的衔接接口；

签到聚类模块(31)第一方面用于向LBSN数据库(2)发出含有地理标签的签到请求信息Q_31-2，所述Q_31-2＝R_POI_p(x,y),POI；

R_POI_p(x,y)表示签到点地理位置，x表示经度，y表示纬度；

POI表示地理标签；所述POI中的任意一个地理标签记为a，另一个地理标签记为b，a,b∈POI；

签到聚类模块(31)第二方面依据Q_31-2＝R_POI_p(x,y),POI能够在LBSN数据库(2)中搜索出与地理标签POI匹配的签到记录，记为签到返回信息Q_2-31；

签到聚类模块(31)第三方面对接收到的签到返回信息Q_2-31依据聚类间隔时间kcluster-span进行k-means聚类方法处理，得到区域块信息Q_31-32，所述Q_31-32＝{regX₁,regX₂,…,regX_y′}，然后将Q_31-32输出给基于标签聚类的区域计算模块(32)；

regX₁表示任意一个地理区域R中的第一个区域块；

regX₂表示任意一个地理区域R中的第二个区域块；

regX_y′表示任意一个地理区域R中的最后一个区域块；

y′表示区域块个数；

基于标签聚类的区域计算模块(32)第一方面用于接收区域块信息Q_31-32＝{regX₁,regX₂,…,regX_y′}；

基于标签聚类的区域计算模块(32)第二方面依据地理标签聚类策略POI-CP对Q_31-32＝{regX₁,regX₂,…,regX_y′}进行处理，得到收敛地理标签区域块Q_32-2；并将收敛地理标签区域块写入到LBSN数据库(2)；

热点区域事件计算模块(33)第一方面接受用户(1)的热点区域查询请求Request，所述Request＝{Geo(x,y),dist,Hot}，并将Request＝{Geo(x,y),dist,Hot}转发给LBSN数据库(2)；

所述热点区域查询请求Request＝{Geo(x,y),dist,Hot}中的Geo(x,y)表示请求用户所在的地理位置，x为经度，y为纬度；dist表示用户设置的兴趣距离半径；Hot表示用户关注的热点区域；

热点区域事件计算模块(33)第二方面依据热点区域查询请求Request＝{Geo(x,y),dist,Hot}能够在LBSN数据库(2)中搜索出与Geo(x,y)匹配的热点区域，记为查询返回信息Q_2-33；

热点区域事件计算模块(33)第三方面依据时间窗口下的签到频数策略POI-TP对所述Q_2-33进行计算处理，得到区域热点事件和排名ChecFreq，并将所述ChecFreq反馈给用户(1)；

所述的地理标签聚类策略POI-CP有下列步骤：

提取属于同一区域块regX_y′中的地理标签POI的步骤；

计算属于同一区域块regX_y′中的地理标签POI的位置个数的步骤；

计算地理标签POI与地理标签位置的位置中心点之间的最大直线距离然后判断所述与区域半径阈值r_阈值的大小，若则将r_阈值赋值给所属区域中的区域块距离相关性半径若则选取最大直线距离作为所属区域中的区域块距离相关性半径进而通过a地理标签的距离相关性半径与b地理标签的距离相关性半径之和比上地理标签POI中任意两个地理标签a,b之间的中心点距离得到距离相关性的步骤；为经度平均值，为纬度平均值；

计算地理标签POI中任意两个地理标签a,b之间的的语义相关性的步骤；为编辑距离，为字符串长度；

依据所述的和所述的与距离相关性阈值rel_距离、语义相关性阈值rel_语义进行对比，并依据对比结果合并区域块regX_y′的步骤；

若且时，将b地理标签的签到位置合并到a地理标签的签到位置

若或时，则b地理标签的签到位置不与a地理标签的签到位置进行区域块合并；

所述的时间窗口下的签到频数策略POI-TP的具体方式为：热点区域事件计算模块(33)会实时计算用户(1)请求任意一区域regX_y′的热点事件，当向热点区域聚类数据库(2)请求各自区域内截止到当前时刻t的历史含有地理签到记录Q_2-33，则事件描述为ΔT表示时间窗口，ΔT＝|t-(t-1)|，t表示当前时刻，t-1表示前一时刻，ChecFreq^t表示当前时刻t的签到频数，ChecFreq^t-1表示前一时刻t-1的签到频数；

事件的活跃程度Rank与ΔT的签到频数和签到持续事件成正比，即：

$Rank=\underset{i=1}{\overset{{\mathrm{regX}}_{y^{\′}}}{\Σ}}\frac{{\mathrm{ChecFreq}}_i^t}{{\mathrm{\Ω}}_i}\×\sqrt{1+\frac{\underset{j\∈{\mathrm{regX}}_{y^{\′}}}{max}\left({\mathrm{CU}}^j\right)}{{\mathrm{regX}}_{y^{\′}}}};$

其中表示在时间窗口ΔT内的签到频数，regX_y′表示任意一区域，即求和元素，i表示求和指标，Ω_i表示在时间窗口ΔT内用户(1)所请求范围内区域签到总数量，表示当前所有热点区域中的时间窗口个数的最大值，j表示时间窗口个数最大的区域标识号。