[发明专利]一种基于社交网络的位置预测系统及方法

权利要求书

1.一种基于社交网络的位置预测方法，其特征在于，所述基于社交网络的位置预测方法包括以下步骤：

步骤一，爬取社交网络签到数据；

步骤二，对爬取的社交网络签到数据进行预处理，过滤掉签到次数小于平均签到次数的数据，清洗掉无效的数据，利用核平滑插值技术对签到数据的稀疏性进行处理；在f(x)中，若使用邻域样本的均值进行插值，则使f(x)不平滑，所以使用一个核函数对估计值平滑；具体使用核加权平均，公式为：

f(x0)=Σi=1NK(x0,xi)yiΣi=1NK(x0,xi);]]>

其中K(.)采用高斯核函数，可见，离x0越近的影响力越大，对应输出的权越大，符合签到数据的实际模拟；

步骤三，结合常规位置预测的输出概率P_r(loc)和非常规位置预测的输出概率P_u(loc)，预测下一位置是否为常规位置；

步骤四，通过常规位置预测模块，得到top-m个位置列表；通过提取分析数据采集模块中采集的非结构化信息，应用于top-m位置列表，提高位置预测精度，得到top-k个位置列表，k<＝m。

2.如权利要求1所述的基于社交网络的位置预测方法，其特征在于，所述预测下一位置是否为常规位置公式为：

P(loc)＝λPr(loc)+(1-λ)Pu(loc)；

其中Pr(loc)为常规位置预测概率，Pu(loc)为非常规位置预测概率，λ为调节参数，λ∈{0，1}。

3.如权利要求1所述的基于社交网络的位置预测方法，其特征在于，所述常规位置预测采用MHMM算法，HMM结合时间特征和空间特征对位置进行预测；选用混合HMM算法对下一位置进行预测；

其中C_t+1为t+1时刻的位置类别，S_t为t时刻的观察序列状态，为时间空间向量。

4.如权利要求1所述的基于社交网络的位置预测方法，其特征在于，所述非常规位置预测结合构建知识图谱，挖掘社交关系，采用融合社交关系的马尔科夫模型结合位置推荐系统对非常规位置进行预测；首先利用签到数据集构建知识图谱，在知识图谱上进行推理，其次基于历史签到数据并融合相似用户训练一个马尔科夫模型对下一位置进行预测；最后将马尔科夫模型和位置推荐系统结合在一起，提高位置预测精度。