移动互联网中结合地理位置的情境发现与异常检测研究

论文摘要

移动互联网在信息技术领域有着广阔的应用前景，是目前一个非常活跃的研究领域。与传统台式机不同，移动终端计算资源与网络通讯带宽有限，但具备可移动、方便携带等特点，已成为人们获取信息的重要手段。如何结合终端特点为用户提供更为贴心的信息服务，是研究人员需要解决的重要问题。移动终端的地理位置产生实时变化，如何结合移动情境，提高互联网应用的用户体验有十分重要的意义。对移动情境建模，是能提高信息服务质量的一种重要方法，本文主要从移动情境发现与异常情境检测展开研究，主要工作如下：（1）分析了情境化用户偏好建模方法，基于移动互联网特点，提出了一种新的针对移动个性化推荐的情境化用户偏好模型。该模型综合考虑了用户地理位置、用户历史行为信息、用户在各大社交网络（SNS）、微博中的好友行为信息作为情境特征，进行基于情境聚类的协同过滤的推荐。在计算用户偏好情境相似度过程中，提出了一种基于无向图的聚类方法。理论分析表明，本文所提出的聚类算法在一定程度上解决了孤立点问题。实验结果也表明，所提的聚类算法能有效聚类返回结果。基于提出的模型及算法，设计开发了一个针对iPhone/iPad及SymbianOS移动平台的个性化推荐引擎。原型系统开发中，针对当前移动设备屏幕大小、分辨率各异而应用的系统界面难以保持一致现状，提出了一种使用本地应用混合HTML构建客户端程序的方案，能为不同平台的移动终端提供一致的用户体验。实践证明，该系统能够为移动终端用户带来较好的推荐体验。（2）分析了异常情境检测方法，提出了一种新的智能手机物理碰撞检测突发异常情境的方法。方法以反映手机用户物理运动的加速度传感信号为样本输入，引入时间窗口概念，使用基于无监督的机器学习方法计算阀值，通过阀值判断异常情境的发生。基于该检测算法，设计开发了一个异常情境检测原型系统，系统支持iPhone、Android及Symbian OS智能手机终端，可应用于汽车事故自救工作。试验结果表明，该方案有着较好的碰撞识别效果，在手持设备上能耗不大。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 研究内容
• 1.4 论文结构
• 第2章 相关研究综述
• 2.1 引言
• 2.2 移动位置服务概述
• 2.2.1 移动位置服务定义
• 2.2.2 移动位置服务的应用
• 2.2.3 移动位置服务原理与实现技术
• 2.3 情境感知与用户偏好概述
• 2.4 个性化推荐概述
• 2.5 小结
• 第3章 基于情境发现的移动个性化推荐方法
• 3.1 引言
• 3.2 情境化用户偏好模型
• 3.2.1 模型简介
• 3.2.2 情境信息界定
• 3.2.3 构建情境模型
• 3.2.4 基于模型的协同过滤推荐机制
• 3.3 情景化用户偏好相似度计算
• 3.3.1 相关工作及预备知识
• 3.3.2 基于无向图的聚类算法
• 3.3.3 实验与结果分析
• 3.4 移动个性化推荐系统的开发
• 3.4.1 系统简介
• 3.4.2 系统工作框架
• 3.4.3 跨平台 UI 方案
• 3.4.4 情境数据采集
• 3.4.5 分布式服务端实现
• 3.4.6 iPhone/iPad 与 SymbianOS 客户端实现
• 3.5 小结
• 第4章 基于异常情境检测的智能手机报警方法
• 4.1 引言
• 4.2 异常情境检测模型
• 4.2.1 情境数据
• 4.2.2 滑动窗口阀值模型
• 4.3 移动设备物理碰撞境检测算法
• 4.3.1 相关工作与预备知识
• 4.3.2 基于滑动窗口阀值的异常检测算法
• 4.3.3 实验与结果分析
• 4.4 智能手机异常报警系统开发
• 4.4.1 系统简介
• 4.4.2 系统工作框架
• 4.4.3 服务器设计
• 4.4.4 客户端设计
• 4.4.5 系统实现
• 4.5 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读硕士学位期间所表的学术论文目录
• 附录B 攻读学位期间所获软件著作权目录