The present invention relates to a measure of weather characteristics affecting user signature, which includes the following steps: S1: through historical data analysis, the weather features that affect user signature are found; S2: Gauss fitting for the weather features found in the historical data and counting the historical weather score of the sign to sign the place; S3: Select the neural network; S4: divide the historical weather score into a training set and a test set, and learn and train the neural network. S5: the trained neural network is tested through the test set; S6: the current weather features are used as input to calculate the current weather through the trained neural network. Score. The present invention takes into account the influence of the weather features that have not been considered before, and can predict the next interest point well by calculating the weather score of the user's current reachable location.
【技术实现步骤摘要】
一种天气特征对用户签到影响的度量方法
本专利技术属于数据分析
,涉及一种天气特征对用户签到影响的度量方法。
技术介绍
随着互联网的迅速发展,基于地理位置服务的网络应用越来越普遍,特别是随着LBSN的产生,人们可以随时在网上通过签到来记录和分享自己的位置信息,分享自己对当前兴趣点的评论信息和体验感觉。这些基于位置的社交网站收集了大量用户的签到信息,并且人们可以轻易的获取这些信息;使得基于签到记录的数据来预测用户的下一个兴趣点成为研究的热点,通过用户的签到历史记录来对用户的行为进行预测,商家可以早一步了解用户的兴趣点倾向,提前做出准备,由此带来更多的利润,因此,兴趣点预测的研究具有重要的意义。基于地理位置社交网络的签到受到许多因素的影响。现有的技术,大多考虑时间、空间因素对用户签到位置的影响,通过矩阵因子分解,张量分解,利用马尔科夫链进行建模,来预测用户的移动,以及通过用户与朋友签到位置的相似性进行社交关系建模并根据该模型预测用户的下一个兴趣点。现有基于位置的预测技术没有充分考虑到客观因素天气对用户签到地点的影响,比如公开号为CN104680250A、名称为“一种位置预测系统”的国内专利技术专利就只考虑了社交关系对用户签到位置的影响,若某地的天气很糟,则用户去往此可达地点的概率就很小。
技术实现思路
有鉴于此,本专利技术的目的在于考虑了现有技术没考虑到的天气特征对用户签到的影响,并提供一种天气特征对用户签到影响的度量方法。为达到上述目的,本专利技术提供如下技术方案:一种天气特征对用户签到影响的度量方法,该方法包含如下步骤:S1:通过历史数据分析找到对用户签到 ...
【技术保护点】
1.一种天气特征对用户签到影响的度量方法,其特征在于:该方法包含如下步骤:S1:通过历史数据分析找到对用户签到影响较大的天气特征;S2:对找到的历史数据中的天气特征进行高斯拟合并计算签到地点的历史天气得分;S3:选择神经网络;S4:将所述历史天气得分分为训练集和测试集,并对所述神经网络进行学习和训练;S5:对训练好的神经网络通过所述测试集进行测试;S6:将当前的天气特征作为输入,通过训练出的神经网络计算出当前的天气得分。
【技术特征摘要】
1.一种天气特征对用户签到影响的度量方法,其特征在于:该方法包含如下步骤:S1:通过历史数据分析找到对用户签到影响较大的天气特征;S2:对找到的历史数据中的天气特征进行高斯拟合并计算签到地点的历史天气得分;S3:选择神经网络;S4:将所述历史天气得分分为训练集和测试集,并对所述神经网络进行学习和训练;S5:对训练好的神经网络通过所述测试集进行测试;S6:将当前的天气特征作为输入,通过训练出的神经网络计算出当前的天气得分。2.根据权利要求1所述的一种天气特征对用户签到影响的度量方法,其特征在于:所述步骤S1具体为:S11:通过柱状图分析历史数据中的降雨、风速、温度与签到的数学分布关系;S12:通过统计Gowalla的散点图和块状分布,找到历史数据中用户签到最密集地点的天气状况,从而确定对用户签到影响大的天气特征。3.根据权利要求2所述的一种天气特征对用户签到影响的度量方法,其特征在于:步骤S2包含:S21:对找到的历史数据中的天气特征进行高斯拟合:f(x)=a·exp(c(x-d)2)其中,f(x)为高斯拟合函数,a、c、d为参数,x为天气特征变量,S22:将高斯函数的形式转化为矩阵乘法的形式,利用最小二乘法计算出参数a、c、d;S23:对用户历史数据中的每一条签到记录所含的天气特征,定义温度特征T的得分为:定义降雨特征p的得分为:定义风速特征w的得分为:定义用户每条签到记录的天气得分为:Pweather=P(p)·P(w)·P(T)其中,Pweather为天气得分。4.根据权利要求3所述的一种天气特征对用户签到影响的度量方法,其特征在于:步骤S3中所述神经网络为三层结构,包括神经网络依次连接的输入层、隐藏层和输出层,其中所述隐藏层的神经元的数量为12。5.根据权利要求4所述的一种天气特征对用户签到影响的度量方法,其特征在于:步骤S4具体为...
【专利技术属性】
技术研发人员:苏畅,吴德正,谢显中,周秋丽,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。