抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
位置に基づくソーシャルネットワーク(LBSNs)は近年仮想空間と実世界移動度の間の橋を構築した。LBSNsで発生させた膨大なチェックインデータは,将来のユーザのチェックイン位置,電子商取引の発展のための有意義なことが証明されているを予測可能にした。既存の研究は主に粗大粒度,実用的なシナリオにおける限られた性能を示すと次のチェックイン位置を予測することに焦点を当てた。本論文では,LBSNsの細粒時間でユーザの将来チェックイン位置を予測するためのユーザ移動パターンに基づく包括的なアプローチを提案した。,時間周期性,世界的な流行と利用者の好みを含むユーザ移動パターンを解析した。予測特徴集合を抽出した。最後に,ユーザの将来チェックイン位置を予測するための特徴はそれぞれ管理されたスコアリングモデルと分類モデルに結合した。三つの実世界データセット上での包括的な実験を行い,種々の計量における提案した手法の効率と優位性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】