第1章 引言 1
1.1 移动数据及其价值 1
1.2 概念与定义 4
1.3 挑战 5
1.4 本书简介 7
第2章 移动数据预处理 10
2.1 移动数据简介 10
2.2 缺失数据补全 18
2.2.1 公交卡的上下点补全 19
2.2.2 地点类别补全 23
2.3 重要地点检测 25
2.4 语义信息标注 29
2.4.1 区域功能标记 29
2.4.2 地点命名 36
第3章 用户移动建模 42
3.1 基于人类动力学的移动建模研究 43
3.1.1 连续时间的随机游走模型 43
3.1.2 引力模型 47
3.2 基于时空数据挖掘的移动建模研究 47
3.2.1 马尔可夫链模型 48
3.2.2 时间规律性模型 58
3.2.3 时空降维模型 60
3.2.4 社交关系影响 63
3.2.5 新颖地点预测 65
3.2.6 预测算法的融合 66
第4章 基于移动数据的用户画像 73
4.1 显性属性预测 74
4.1.1 移动数据和显性属性的关联 74
4.1.2 位置画像模型 76
4.2 隐性属性预测 80
4.2.1 猎奇心理特质挖掘 80
4.2.2 消费冲动心理挖掘 85
第5章 个性化兴趣地点推荐 90
5.1 协同过滤 92
5.1.1 基于邻域的方法 93
5.1.2 基于社交相似性的协同过滤 95
5.1.3 基于模型的方法 95
5.2 基于内容的过滤 102
5.2.1 内容过滤方法简介 103
5.2.2 地理建模 104
5.2.3 文本内容与情感分析 108
5.3 混合方法 110
5.3.1 混合模型基本方法 110
5.3.2 地理建模和协同过滤的联合模型 111
5.3.3 社交正则化的矩阵分解 116
5.3.4 内容感知的协同过滤方法 117
5.3.5 集成学习 120
5.4 情境感知的协同过滤方法 120
5.4.1 时间感知的地点推荐 120
5.4.2 序列化地点推荐 124
5.5 地点推荐系统的评价 124
第6章 结语 126
参考文献 128