阅读笔记
摘要
科技的发展,轨迹数据的收集越来越方便
介绍活动轨迹的广泛应用和研究价值
本文提出了一个活动轨迹搜索方法 TkSK
能发现更多信息,用户活动轨迹能反映地点和用户喜好的关系。
本文的综合解决方案:
- 新的相似函数
- 混合索引结构
- 高效搜索算法
- 进一步优化
1 简介
介绍当前研究现状:
- 设计有效的活动轨迹索引结构
- 高效搜索算法
- 从活动轨迹中挖掘特征和信息
不足:只关注原始时空特征
但是,近年来基本位置信息应用的不断兴起,如
Foursquare 可以给地点添加信息
Facebook Place, Bikely
Flickr 给地点上传图片,图片内嵌信息
赋予了轨迹相关的语义信息,这些大大丰富了活动轨迹数据库,活动轨迹信息无处不在
地点和多媒体信息:文本,图片,视频等关联了起来
本文中:活动轨迹是a finite sequence of timestamped locations(带有各种标签)
标签也可通过图片内容识别获取
搜索问题:
空间检索,正文检索
POI:信息点
旅行中,地点间关联的可行性和优先级
根据活动轨迹可以过滤一些不可行的活动地点组合,根据体验和距离因素
难点:
相似函数
搜索时,把地点和受欢迎程度考虑进去
三个因素:距离,关键词,词语流行度检索方法(主要难点)
空间相似度和是否同属于一个活动也要考虑进去
ITB-tree,拓展了TB-tree,修剪,使用了辅助信息查询效率
- 检索顺序
- 检索程度(到什么时候)
新:启发式搜索,改进策略,停止条件
2 问题定义
2.1 模型及定义
Semantic Place
有意义的地理位置点,如房屋设施,地标,POI
Activity Trajectory
T = (P1,P2,P3,...,Pn) Pi=(x,y,t,sp,A)为时空点(x,y,t)、Semantic Place,A相关注释
A = (w1,w2,……)
Keyword Popularity
pw(sp):轨迹中包含sp上包含关键词w的次数
keyword query-Q=(x,y,tw,qw,a) tw:一个时间窗口 qw:一组关键词 a:比重
Similarity
T和Q的相似程度,和轨迹中最大距离,关键词最大流行程度有关
最后对每个关键词的相似程度求加权平均,获得总体的相似程度
把所有关键词的相似度相加,再除以关键词的个数
单个关键词中,查询和轨迹的相似度为
- Dmax是两个轨迹中两点间的最大距离 ,使用1-标准化距离是因为距离越大,相似度越低,而词语流行度越高,相似度越高
- ρω是关键词ω的最大流行度
- ρω(P.sp)ρω 称为 relative keyword popularity(相当于标准化)
- 因为两个变量都进行了标准化,范围都是(0,1],所以S的取值范围是(0,1]
这里没有考虑otherwise中的情况?
Problem Statement
TkSK算法,输入D,Q,k,返回k个相似度得分最高的轨迹
2.2 Baseline algorithm
MBR
- 用R-tree做索引
- 维护一个堆 H, 把结果(Trajectory_id ,score)保存到 list C(通过score排序)
- 在无法得到比C中k个元组更高score时停止
upper bound function:
3 检索结构
- R-tree:把每个路径集当作独立点的集合
- Baseline算法是distance-oriented strategy,但是在本相似函数中,距离不是唯一标准
3.1 预备知识:TB-tree
使用R-tree的前提假设是所有的点都是独立的。
TB树的数据结构是严格按照保存轨迹数据的形式而构建的,如叶子节点只包含属于同一轨迹的点。
3.2 混合索引结构 ITB-tree
ITB树的叶子节点N (tid,mbr,ifile)
- tid:唯一标识
- mbr:节点的最小包含边界,3D矩形
- ifile:指向被索引关键词的文件,其中包含一个哈希表,用于索引关键词。
非叶子节点N (cp,mbr,ifile)
- cp:指向子节点的指针列表
- mbr:所有子节点的最小边界
- ifile:同上
4 搜索过程
搜索框架:
- 初始化
- 把根节点添加到堆里面
- 遍历树
- 取出堆顶部元素到N
- 如果N的时间窗口和查询条件重合,并且含有查询关键词
- 如果N不是叶子节点
- 把N添加到堆
- 否则
- 用N.tid更新候选轨迹
- 更新结果集
- 如果N不是叶子节点
- 满足提前退出条件则退出循环
- 返回结果
4.1 启发式搜索
根据权值的不同,搜索路径随时调整
ITB-tree和查询的相似度定义
4.2 细化
对每个活动路径进行评分计算,通过二分选择的方法,能尽可能早地达到结束条件
使用visited标记,避免重复访问
优化
搜索优化
- 含有相同轨迹越少的越有可能具有更高的相似度
- fw(N) = 1+ 1/(Cw(N)) Cw(N)是节点N中含有关键词w的不同轨迹个数
实验
环境配置
数据:
- 轨迹数据
GeoLife project,包括北京用户的working,shopping,dining,sports - POI
DIANPING.COM
Google Search
取10个关键词
性能
- k