基於軌跡數據的用戶意圖挖掘關鍵技術研究

《基於軌跡數據的用戶意圖挖掘關鍵技術研究》是依託山東大學，由劉洋擔任項目負責人的面上項目。

基本介紹

• 中文名：基於軌跡數據的用戶意圖挖掘關鍵技術研究
• 項目類別：面上項目
• 項目負責人：劉洋
• 依託單位：山東大學

中文摘要

隨著信息通訊技術的高速發展和位置感知設備的普及套用，近年來出現了越來越多的時空軌跡數據，對這些數據進行挖掘從而理解用戶的行為模式，是智慧型交通、城市規劃、基於位置的服務等領域的重要需求，而分析軌跡數據背後的用戶隱含意圖，是理解用戶行為的重要途徑，但現有工作還鮮有顯式涉及。為此，本項目將圍繞用戶意圖理解這一核心問題，展開三方面的研究：1、研究構建基於深度學習的用戶意圖模型；2、研究基於意圖理解的用戶推薦，主要包含興趣點推薦，下一位置預測等；3、為解決在意圖建模及套用中遇到的數據稀疏、缺失問題，研究軌跡數據與文本等社交網路數據的多源數據融合與相互增強；為支持軌跡數據的大規模處理，研究流數據處理技術，主要包括分散式索引結構和查詢算法等。本項目的研究將為用戶行為的深入分析和理解提供新的方法和技術，為軌跡數據挖掘提供新的支點，滿足來自智慧城市、移動社交網路等領域的套用需求。

結題摘要

用戶移動模式理解是時空軌跡數據挖掘的一個重要方面，在城市計算、基於位置的推薦、路徑規劃等領域具有廣泛的套用。本項目主要研究從軌跡數據中發現人們在移動中的“意圖”，即理解用戶選擇該路徑的原因。圍繞這一核心內容，本項目從四個方面開展了深入的研究：1、設計了多種新穎的深度學習模型以理解用戶意圖，並構建了一系列嵌入式特徵表達方式；2、針對交通軌跡，社交媒體訪問軌跡數據稀疏的特點，提出多模態數據融合與增強的方法，更好的整合利用圖像數據以及文本數據的特徵；3、基於用戶意圖模型開展一系列深度套用，包含下一位置預測，流量預測，交通擁堵預測，旅行時間預測等；4、針對軌跡數據海量高維的特點，設計了一系列時空數據的索引與查詢最佳化算法。項目所提出的方法，均在現實數據中完成了廣泛的實驗，結果優於同類算法。通過對以上問題的研究，項目組在國內外高水平會議及期刊發表文章20餘篇，培養專業人才20餘人。該項目的研究，將滿足軌跡數據挖掘面向智慧城市、社會網路和智慧型化服務等領域的一定套用需求，為用戶行為的學習和城市複雜事件的感知和決策服務提供了方法和技術支持。