| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.2.1 社会关系强度的研究现状 | 第13页 |
| 1.2.2 基于移动数据的社会关系研究现状 | 第13页 |
| 1.2.3 基于移动轨迹数据关系强度的研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 相关技术研究 | 第17-29页 |
| 2.1 轨迹数据预处理 | 第17-21页 |
| 2.1.1 滤波算法 | 第17-19页 |
| 2.1.2 聚类算法 | 第19-21页 |
| 2.2 时间序列相似度度量方法及序列熵值 | 第21-25页 |
| 2.2.1 编辑距离 | 第22-23页 |
| 2.2.2 Dynamic Time Warping | 第23-24页 |
| 2.2.3 序列熵值 | 第24-25页 |
| 2.3 自然语言处理模型 | 第25-28页 |
| 2.3.1 Latent Dirichlet Allocation | 第26-27页 |
| 2.3.2 word2vec | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 用户关系强度层级投票模型框架 | 第29-32页 |
| 3.1 模型框架描述 | 第29-31页 |
| 3.1.1 SASLL系统概述 | 第29-30页 |
| 3.1.2 用户关系强度计算模型概述 | 第30-31页 |
| 3.2 模型完整流程描述 | 第31-32页 |
| 第四章 GPS数据处理及语义标签标注技术 | 第32-53页 |
| 4.1 SASLL标注技术 | 第32页 |
| 4.2 计算对应语义位置 | 第32-48页 |
| 4.2.1 降低数据噪声 | 第33-37页 |
| 4.2.2 剔除路上的点 | 第37-39页 |
| 4.2.3 聚类得到语义位置 | 第39-48页 |
| 4.3 对语义位置标语义标签 | 第48-52页 |
| 4.3.1 发现新位置 | 第49-50页 |
| 4.3.2 新位置语义标签提示 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 用户关系强度计算方法 | 第53-60页 |
| 5.1 用户关系强度计算方法概述 | 第53页 |
| 5.2 输入数据准备 | 第53-56页 |
| 5.2.1 轨迹数据的处理与准备 | 第54-55页 |
| 5.2.2 语义位置数据的处理与准备 | 第55页 |
| 5.2.3 语义标签数据的处理与准备 | 第55-56页 |
| 5.3 关系强度计算 | 第56-59页 |
| 5.3.1 基于原始轨迹数据的关系强度计算 | 第56-57页 |
| 5.3.2 基于主题模型的关系强度计算 | 第57-58页 |
| 5.3.3 结果投票 | 第58-59页 |
| 5.4 小结 | 第59-60页 |
| 第六章 数据集、评估方法及实验结果 | 第60-79页 |
| 6.1 数据集 | 第60-64页 |
| 6.2 评估方法 | 第64-68页 |
| 6.2.1 构造真实结果 | 第65-66页 |
| 6.2.2 评估方法 | 第66-68页 |
| 6.3 实验结果与分析 | 第68-78页 |
| 6.4 小结 | 第78-79页 |
| 第七章 结束语 | 第79-82页 |
| 7.1 工作总结 | 第79-80页 |
| 7.2 工作展望 | 第80-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 作者在学期间取得的学术成果 | 第88页 |