[发明专利]一种细粒度属性加权方法及系统

说明书

本发明提供了一种细粒度属性加权方法及系统，其方法包括：首先将属性权值在属性值粒度上和类标粒度上细分，然后根据先验知识统计给对应不同属性值和不同类标的细粒度属性权值设置初始值；把细粒度属性权值的初始值矩阵作为随机重启游走中的初始状态矩阵，利用初始状态矩阵计算得到转移矩阵，根据初始状态矩阵和转移矩阵增量式的更新当前状态矩阵，完成随机重启游走获得细粒度属性权值的最优值矩阵。本技术方案可以增量式的更新细粒度属性权值状态矩阵而不需要考虑k‑近邻算法的归纳偏差，是兼具性能与时效的最优方案；且减少了违反名词性属性距离度量算法中的属性独立性假设而造成的k‑近邻算法在寻找用户最有可能访问的兴趣点时出现的预测偏差。

技术领域

本发明涉及地理信息工程领域，尤其涉及一种细粒度属性加权方法及系统。

背景技术

随着GPS设备的日益普及，由GPS设备产生的用户轨迹数据也越来越丰富。这些数据记录了用户位置的时空信息(即，经纬度和时间戳)。明显地，原始的用户轨迹数据只包含单一的位置信息，而缺乏揭示用户行为的语义信息(例如，用户出行的目的和意图)。传统的用户轨迹语义增强是通过人工填写问卷的形式实现的。这种方法存在两个弊端：1)用户填写问卷与用户轨迹数据生成的时间不同，用户不记得自己做了什么而造成数据不完整；2)用户可能来自不同城市或国家，完成所有用户的问卷填写几乎不可能实现。现有的用户轨迹语义增强是根据兴趣点的签到数据与原始的用户轨迹数据来挖掘用户轨迹的语义。

用户轨迹语义增强的目的是从一系列的候选兴趣点中找出用户最有可能访问的兴趣点，从而推测出用户每个停留点的语义信息。k-近邻算法作为机器学习和数据挖掘领域的十种经典算法之一，可以为不确定性推理提供一种可解释的处理方法。在寻找用户最有可能访问的兴趣点时，k-近邻算法计算用户停留点与用户可能活动区域的所有兴趣点的的相似度，得到k个用户可能访问的兴趣点。然后，根据k个兴趣点来推断用户在该停留点的语义信息。

距离度量是一种用于测量两个样本之间的相似性的方法。它是k-近邻算法的核心组成部分。改进距离度量是提升k-近邻算法文本分类性能的关键。值差度量和反转类指定距离度量是两种最佳的名词性属性距离度量算法。它们的共同点是将名词性属性的距离度量转换成了条件概率的相似性计算。然而，它们在计算条件概率时引入了属性独立性假设，即属性之间相互独立，不存在任何依赖关系。明显地，在具有较强属性依赖关系的数据集上，这些基于属性独立性假设的名词性属性距离度量算法的距离度量性能会遭到破坏。

属性加权为避免违反这些名词性属性距离度量算法中的属性独立性假设而造成的k-近邻算法在进行分类时出现预测偏差提供了一种可行的改进方案。属性加权通过给不同的属性分配不同的权值以区分它们对算法的不同贡献和影响。然而，广义的属性加权给每一个属性分配一个权值，也就是说，同一属性的不同属性取值对应同一个权值，同一属性不同类标也对应相同的权值。事实上，同一属性不同属性取值对算法的贡献和影响是不一样的，不同类标对应不同的属性取值也应该拥有不同的权值。

发明内容

为了解决上述问题，本发明提供了一种细粒度属性加权方法及系统；在属性值粒度上和类标粒度上细分属性权值，获得了更加精细的细粒度属性权值。

本发明实施例提供的一种细粒度属性加权方法，主要包括以下步骤：

S101：获取对应活动区域所有兴趣点的用户签到数据集；所述用户签到数据集中包括多个用户在所述活动区域内的多个签到数据；每个所述签到数据包括多个属性值，每个属性值对应有一个类标；

S102：根据各属性值的物理意义，将各属性值分别进行细分；并将细分后的属性值对应的属性权值在属性值粒度上和类标粒度上细分；

S103：根据所述用户签到数据集的先验知识统计给各细粒度属性值对应不同类标下的细粒度属性权值设置初始值，得到初始值矩阵；

S104：将所述初始值矩阵作为随机重启游走中的初始状态矩阵；利用随机游走算法计算获得细粒度属性权值的最优值矩阵。