位置预测系列(三)

文章探讨了在LBSN中预测用户签到活动的问题,通过使用HMM和Mixed HMM模型来考虑时空因素。作者首先预测用户活动类型,然后在一定区域内寻找匹配的签到位置。虽然该方法有效,但存在对用户历史签到位置考虑不足等问题。
摘要由CSDN通过智能技术生成

What’s Your Next Move: User Activity Prediction in Location-based Social Networks

这篇文章来自于SDM’13年(SIAM InternationalConference on Data Mining 2013)的录用论文集,是关于在基于位置社交网络里面(LBSN)进行用户签到预测的。本文解决问题的角度很创新,并没有直接入手于用户签到预测问题,而是先预测用户的下一个签到活动类型,然后在此基础上,再预测用户的下一个签到位置。

1.1 论文总结

为了预测用户的下一个签到活动类型,作者利用隐含马尔可夫模型(HMM)对用户的活动转移进行建模,如下图所示:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值