提出了一种针对LBS(Location Based Services)目标用户的个人重要地点推断方法.该方法采用基于位置熵的剪枝预处理策略,该策略以位置熵为参考依据,对周期性不强的数据进行剔除,保证了数据的可靠性;采用EM (Expectation Maximization)算法对PMM (Periodic Mobility Model)模型参数进行估计,实现了对目标用户个人重要地点的推断.以Geolife及Reality Mining 数据集为例进行实验.结果表明:在合理的参数取值条件下,相比于其他推断方法,该方法具有较高的准确率及较低的参数估计误差,对目标用户家庭位置及工作地点的推断具有一定参考意义.
提出了一种针对LBS(Location Based Services)目标用户的个人重要地点推断方法.该方法采用基于位置熵的剪枝预处理策略,该策略以位置熵为参考依据,对周期性不强的数据进行剔除,保证了数据的可靠性;采用EM (Expectation Maximization)算法对PMM (Periodic Mobility Model)模型参数进行估计,实现了对目标用户个人重要地点的推断.以Geolife及Reality Mining 数据集为例进行实验.结果表明:在合理的参数取值条件下,相比于其他推断方法,该方法具有较高的准确率及较低的参数估计误差,对目标用户家庭位置及工作地点的推断具有一定参考意义.
