[发明专利]一种基于时空轨迹的用户属性与社会网络检测系统

权利要求书

1.基于时空轨迹的用户属性与社会网络检测系统，其特征在于，包括：

数据处理子系统，实现输入数据的预处理，包括将所有用户的时空轨迹处理成容易进行后续操作的三阶张量形式；

社会网络建模子系统，通过分析用户的时空轨迹数据，建立用户的社会网络模型，并以邻接矩阵的形式存储；

特征提取子系统，降低用户时空轨迹的维度，从用户的时空轨迹数据中提取出有价值的特征，使提取出的特征适用于现有的分类算法。

分类预测子系统，利用用户的隐含特征训练多种分类器，使用已知属性的用户隐含特征训练多种分类器对用户，用目标用户的隐含特征进行预测。

2.根据权利要求1所述基于时空轨迹的用户属性与社会网络检测系统，其特征在于，所述数据处理子系统将所有用户的时空轨迹处理成容易进行后续操作的三阶张量形式，所需的原始的时空轨迹记录包括用户标识、地理位置标识和时间标识，数据处理子系统建立一个元素全为零的三阶张量，其中行数＝用户标识数，列数＝地理位置标识数，管数＝时间段标识数，即三阶张量的每一行代表一个用户，每一列代表一个地点，每一管代表一个时间段。

3.根据权利要求1所述基于时空轨迹的用户属性与社会网络检测系统，其特征在于，所述社会网络建模子系统使用点互信息(PMI，Pointwise Mutual Information)来对用户的共现行为进行分析，从而识别出偶然的共现行为和由于社交关系而出现的共现行为，根据共现行为的次数和可信度对用户间的熟悉度进行排序，以此建立用户的社会网络模型。

4.根据权利要求3所述基于时空轨迹的用户属性与社会网络检测系统，其特征在于，所述使用点互信息(PMI，Pointwise Mutual Information)的目的是反映用户u_i和用户u_j在地点v的共现行为是偶然事件或是社交行为的可能性，PMI越大，用户u_i和用户u_j具有社交关系的概率越高，用户u_i和用户u_j在地点v的PMI值计算公式如下：

${\mathrm{pmi}}_v\left(u_i,u_j\right)=\log \frac{p_v\left(u_i,u_j\right)}{p_v\left(u_i\right)p_v\left(u_j\right)}$

其中，p_v(u_i)为在地点v发生的一个出现事件属于用户u_i的概率，p_v(u_j)为在地点v发生的一个出现事件属于用户u_j的概率，f_v(u_i)为用户u_i在地点v出现的次数，f_v(u_j)为用户u_j在地点v出现的次数，U是所有用户，p_v(u_i,u_j)为在地点v发生的一个共现事件属于用户u_i和用户u_j的概率，f_v(u_i,u_j)为用户u_i和用户u_j在地点v出现共现行为的次数。