| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究内容 | 第11-15页 |
| 1.2.1 基于手机移动数据的活动推测及用户行为分析系统 | 第12-13页 |
| 1.2.2 基于手机移动数据的活动推测 | 第13-14页 |
| 1.2.3 基于语义轨迹的用户行为模式提取及分析 | 第14-15页 |
| 1.3 研究成果及意义 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 基于手机移动数据的用户行为挖掘现状 | 第18-26页 |
| 2.1 基于位置的用户行为挖掘现状 | 第18-19页 |
| 2.2 位置数据活动推测研究现状 | 第19-20页 |
| 2.3 数据挖掘相关技术及分布式平台介绍 | 第20-24页 |
| 2.3.1 LDA主题模型 | 第20-22页 |
| 2.3.2 分布式相关技术 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 用户活动推测及行为模式分析系统 | 第26-40页 |
| 3.1 系统需求分析 | 第26-28页 |
| 3.2 系统架构与关键技术 | 第28-37页 |
| 3.2.1 系统架构 | 第28页 |
| 3.2.2 数据源 | 第28-30页 |
| 3.2.3 数据存储层 | 第30-33页 |
| 3.2.4 数据处理层 | 第33-34页 |
| 3.2.5 算法功能层 | 第34-35页 |
| 3.2.6 业务应用层 | 第35-37页 |
| 3.3 程序脚本设计 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于移动数据的用户活动推测模型 | 第40-58页 |
| 4.1 数据准备 | 第40-43页 |
| 4.1.1 目标用户提取 | 第40-41页 |
| 4.1.2 停留点提取及重要停留点识别 | 第41-42页 |
| 4.1.3 实验结果 | 第42-43页 |
| 4.2 融合POI主题提取的贝叶斯活动推测模型 | 第43-50页 |
| 4.2.1 问题陈述 | 第43-47页 |
| 4.2.2 基于POI语义主题抽取的活动推测模型 | 第47-50页 |
| 4.3 用户活动推测模型结果及对比分析 | 第50-56页 |
| 4.3.1 评价指标 | 第51-52页 |
| 4.3.2 POI主题分布结果 | 第52-54页 |
| 4.3.3 结果对比 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 用户行为模式提取及分析 | 第58-74页 |
| 5.1 用户移动行为模式 | 第58-62页 |
| 5.1.1 用户到访地点数 | 第59-60页 |
| 5.1.2 用户的回旋半径 | 第60页 |
| 5.1.3 日常移动模式图 | 第60-62页 |
| 5.2 用户的活动行为模式 | 第62-72页 |
| 5.2.1 活动时间规律 | 第63-66页 |
| 5.2.2 活动步长分布 | 第66-68页 |
| 5.2.3 日常活动模式 | 第68-72页 |
| 5.3 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-82页 |
| 附录1 缩略语表 | 第80-82页 |
| 致谢 | 第82-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |