一種基于用戶移動預測的物品遞送者推薦方法
【技術領域】
[0001] 本發(fā)明設及一種基于用戶移動預測的物品遞送者推薦方法。
【背景技術】
[0002] 隨著移動終端設備、網(wǎng)絡技術W及傳感器的迅速發(fā)展，智能手機等移動終端設備 集成了不同功能的傳感器。利用移動終端設備中的傳感器提供W人為中屯、的感知與計算已 經(jīng)成為了當今社會的發(fā)展趨勢。在此背景下，提出了群智感知計算，它利用普通用戶的移動 設備作為基本感知單元，通過移動互聯(lián)網(wǎng)進行有意識或無意識的協(xié)作，實現(xiàn)感知任務分發(fā) 與感知數(shù)據(jù)收集處理，W完成大規(guī)模的、復雜的社會感知任務。群智感知計算與傳統(tǒng)的基于 靜態(tài)傳感設施相比，它的優(yōu)勢在于通過社會上大量人±共同協(xié)作完成一項幾個人需要很長 時間才能完成甚至不可能完成的龐大任務。因此，群智感知計算可W為用戶減少一些不必 要的開銷和時間。
[0003] 在傳統(tǒng)的購物中，用戶購買自己喜歡的商品都需要親力親為，該種購物方法不僅 浪費用戶的時間也浪費了他們的精力。為了解決該個問題，我們提出了一種基于用戶移動 預測的物品傳送人推薦方法。用戶只需要輸入購物場所和完成任務的時間期限，該系統(tǒng)就 會返回一些經(jīng)過該個購物場所并在時間期限內(nèi)與用戶會面的朋友，用戶就可W叫該些朋友 幫忙購買。從而為用戶節(jié)省了時間。
[0004] 其中需要用到移動預測的方法，但目前研究的大多數(shù)移動預測算法都只考慮到空 間該一因素來預測用戶下一位置，不能有效的結合時間因素。而我們用概率統(tǒng)計的算法進 行移動預測，該算法結合了空間和時間因素，有較高的準確率。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的在于提供一種基于用戶移動預測的物品遞送者推薦方法，為用戶購 物帶來了方便。
[0006] 為實現(xiàn)上述目的，本發(fā)明采用如下技術方案；一種基于用戶移動預測的物品遞送 者推薦方法，其特征在于包括W下步驟：
[0007] 步驟S1;原始GPS點&的預處理，包括地點P的提取和場所S的聚類；
[000引步驟S2 ;候選人選取，即從社交網(wǎng)絡中根據(jù)用戶間的關系來確定用戶的朋友，并 從中選取50名作為候選人f;
[0009] 步驟S3;用戶會面預測，計算用戶和候選人f在同一時間片t。。。訪問同一場所S的 概率Pene (U，f，teJ;
[0010] 步驟S4 ;候選人位置預測，給定一個場所s及當前時間計算候選人f未來會 經(jīng)過場所S的概率Pvkit化S);
[ocm] 步驟S5;遞送者推薦，按概率p。。。(u，f，t。J與概率PYkit化s)乘積的大小從候選 人f中選取to地個遞送者，所述遞送者為最有可能完成任務的候選人。
[0012] 進一步的，所述步驟S1中地點P的提取的具體方法如下：
[001引原始GPS點gi包含經(jīng)度gi.Lgt、紳度gi.Lat和記錄gi.T的時間，即gi=(gi.Lg1:，gi.Lat,gi.T)，用戶的原始軌跡Trajf。，由若干連續(xù)的GPS點gi組成，即Traj <gl，g2, . . .，g?！担攸cp的提取由一時間闊值Tthred和一距離闊值Dthred決定，地點p是一 個虛擬的點，用來表示一組連續(xù)的GF*S點gi的集合G= {gm,gm+1,. ..，g。}，其中Wi,j; m《i<j《n,Distance(g。gj)《Dthred且Ign.T-gm.TI>Tthred;P包含集合G的平均經(jīng)度 p.Lgt，集合G的平均紳度p.Lat,進入地點p的時間p.arvT,離開地點p的時間p. 16州，即 p= (p.Lgt,p.Lat,p.arvT,p.levT)，其中；
【主權項】
1. 一種基于用戶移動預測的物品遞送者推薦方法，其特征在于包括以下步驟： 步驟Sl :原始GPS點預處理，包括地點P的提取和場所S的聚類； 步驟S2 :候選人選取，即從社交網(wǎng)絡中根據(jù)用戶間的關系來確定用戶的朋友，并從中 選取50名作為候選人f; 步驟S3 :用戶會面預測，計算用戶和候選人f在同一時間片tm。訪問同一場所s的概率 Penc (U，f，ten。）， 步驟S4 :候選人位置預測，給定一個場所s及當前時間，計算候選人f未來會經(jīng)過 場所S的概率Pvisit (f, S); 步驟35:遞送者推薦，按概率口"。(11，;^1:"。）與概率口^1(;^8)乘積的大小從候選人€ 中選取topK個遞送者，所述遞送者為最有可能完成任務的候選人。
2. 根據(jù)權利要求1所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于：所 述步驟Sl中地點p的提取的具體方法如下： 原始GPS點含經(jīng)度g i. Lgt、煒度gp Lat和記錄gp T的時間，即gi= (g i. Lgt, gp Lat, gy T)，用戶的原始軌跡Trajraw由若干連續(xù)的GPS點g i組成，即Traj Mw= <gl，g2，…，gn>，地點p的提取由一時間閾值T thred和一距離閾值D thred決定，地點p是一 個虛擬的點，用來表示一組連續(xù)的GPS點gi的集合G = {gm, gm+1,. . .，gn}，其中V i, j ; m 彡 i〈j 彡 n, Distance fe，gj)彡 Dthred且 I g η· T-gm. T I 彡 Tthred;p 包含集合 G 的平均經(jīng)度 p. Lgt，集合G的平均煒度p. Lat,進入地點p的時間p. arvT,離開地點p的時間p. levT，即 P= (ρ· Lgt, P. Lat, P. arvT, P. IevT)，其中：
3. 根據(jù)權利要求1所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于：所 述步驟Sl中場所s的聚類的具體步驟如下： 步驟Sll :從集合P中隨機取一個地點p作為中心〇k并取一個半徑閾值r thred，所述集 合P包含所有提取出來的地點P，令k = 1 ; 步驟S12:在以所述中心〇k為圓心以半徑閾值rthrJ%半徑的范圍內(nèi)找出所有地點p并 計算他們經(jīng)煒度的平均值，把所述經(jīng)煒度的平均值所在的點作為中點〇k+1; 步驟S13 :若ok+1= 〇 k，則進行步驟S14 ;否則令k = k+1，并返回步驟S12 ; 步驟S14 :把以所述中心〇k+1為圓心以半徑閾值r thral為半徑的范圍內(nèi)的所有地點標記 成一個類，并從集合P中刪除這些地點，若這些地點的數(shù)量大于或等于一最小量閾值minp， 則把這個類視為一個場所s，以唯一的標識符IocID來標識；否則把這些地點標記成噪聲 占. 步驟S15:若集合P為空，則得到一個場所集合S= (SpS2V^MSm),其中81是場所， I < i < m ;否則返回步驟S11。
4. 根據(jù)權利要求2或3所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于： 經(jīng)所述地點P的提取和場所s的聚類后，對用戶一天內(nèi)的軌跡進行定義如下： trajectory(u；date) = <visit 1； visit2, . . . , visitn> (5) 其中Visiti= (arvT, IevT, locID)，I < i < n ;arvT和IevT分別表示用戶到達和離 開場所的時間，IocID代表場所唯一的標識符。
5. 根據(jù)權利要求1所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于：所 述步驟S3中用戶會面預測的具體方法如下： 將一天24h分成24個時間片&，其中0彡i彡23,時間片&表示i時至i+Ι時的時 間段，在預測用戶會面之前，先計算任一候選人f在時間片t訪問場所s的概率p (f，t，s):
其中Num(f, t, s)表示候選人f在時間片t訪問場所s的軌跡數(shù)，Num(f, s)表示候選 人f訪問過場所s的軌跡數(shù)； 接著用公式（7)計算會面概率：
公式（7)表示用戶u和候選人f在時間片tm。會面的概率，S表示場所s的集合，由于用 戶u和候選人f可能會在多個時間片相遇，所以我們得到了一個相遇時間片的集合set!?。， SetTenc {? enc ' tenc ' · · · ' tenc } 〇
6. 根據(jù)權利要求1所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于：所 述步驟S4中候選人位置預測的具體方法如下：
公式（8)表示候選人f在當前時間到會面時間t m。內(nèi)訪問場所s的概率。
7. 根據(jù)權利要求1所述的基于用戶移動預測的物品遞送者推薦方法，其特征在于：所 述步驟S5中遞送者推薦的具體方法如下： 將所述用戶和候選人在同一時間片tm。訪問同一場所s的概率p _(u，f，tm。）和給定一 個場所s及當前時間1^計算出的候選人f未來會經(jīng)過場所s的概率p visit (f, s)相乘，得 到在某一時間片。完成任務的概率p deliv，公式如下：
將所有候選人f按得出的相應概率PdelivOT按降序排列，將排列靠前的topK個候選人作 為遞送者并將其信息展示給用戶，用戶聯(lián)系所述遞送者并讓他們幫忙代購商品。
【專利摘要】本發(fā)明涉及一種基于用戶移動預測的物品遞送者推薦方法，該方法包括以下步驟：1、數(shù)據(jù)采集并整理：從移動用戶的原始GPS數(shù)據(jù)中提取出有意義的地點，并對這些地點進行聚類，得到用戶感興趣的場所同時生成相應的軌跡；2、候選人選取：根據(jù)社交網(wǎng)絡中用戶間的關系程度，提取遞送者的候選集；3、用戶會面預測：通過用戶歷史軌跡的概率統(tǒng)計，計算用戶和他朋友間會面的概率；4、用戶位置預測：通過用戶歷史軌跡的概率統(tǒng)計，計算用戶的朋友訪問某個場所的概率；5、遞送者推薦：計算用戶的朋友在他們相遇之前訪問某個場所的概率，并按其大小降序排列，選擇前topK個朋友并展示出來。本發(fā)明為用戶購物帶來了方便。
【IPC分類】G06Q30-00
【公開號】CN104867015
【申請?zhí)枴緾N201510203387
【發(fā)明人】於志勇, 郭文忠, 鄭相涵, 瞿宜楚
【申請人】福州大學
【公開日】2015年8月26日
【申請日】2015年4月27日