[发明专利]预测时空数据的用户社交联系强度的方法

权利要求书

1.一种预测时空数据的用户社交联系强度的方法，其特征在于：所述方法包括：

获取时空数据；

将获取的时空数据输入到可以将词表征为实数值向量的单词转换为特征向量的算法中，得到每位用户的特征向量；

将两两用户的特征向量连接，输入到随机森林分类算法中，获得该两两用户的社交联系强度。

2.根据权利要求1所述的预测时空数据的用户社交联系强度的方法，其特征在于：所述“单词转换为特征向量的算法”为word2vec算法。

3.根据权利要求1所述的预测时空数据的用户社交联系强度的方法，其特征在于：所述“单词转换为特征向量的算法”为Location-weight算法，所述Location-weight算法为在word2vec算法上结合时空数据中每个位置特异性的算法来产生用户特征向量。

4.根据权利要求3所述的预测时空数据的用户社交联系强度的方法，其特征在于：在使用Location-weight算法时，给用户数目少的位置赋予一个较大的值，认为该地点是一个私人场所，使其共现的影响对用户的特征向量的较大；给用户数目多的位置赋予一个较小的值，认为该地点是一个公共场所，使其共现的影响对用户的特征向量较小。

5.根据权利要求3所述的预测时空数据的用户社交联系强度的方法，其特征在于：所述Location-weight算法所用计算公式为：f(x,α)＝α(1+e^-x)。

6.根据权利要求1所述的预测时空数据的用户社交联系强度的方法，其特征在于：所述“时空数据”为经处理初步数据所得到的只有用户编号但同样具有时空性的数据。

7.根据权利要求6所述的预测时空数据的用户社交联系强度的方法，其特征在于：所述“初步数据”中的每条记录依次由用户编号、签到时间、纬度、经度、地点编号组成。