主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李晓旭,于亚新,张文超,王磊.Coteries轨迹模式挖掘及个性化旅游路线推荐.软件学报,2018,29(3):587-598
Coteries轨迹模式挖掘及个性化旅游路线推荐
Mining Coteries Trajectory Patterns for Recommending Personalized Travel Routes
投稿时间:2017-08-01  修订日期:2017-11-07
DOI:10.13328/j.cnki.jos.005452
中文关键词:  组模式挖掘  Coterie模式  MapReduce  优化聚类  语义路线推荐
英文关键词:group pattern mining  coterie pattern  MapReduce  optimal clustering  semantic route recommendation
基金项目:国家重点研发计划(2016YFC0101500)
作者单位E-mail
李晓旭 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819  
于亚新 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819 yuyx@mail.neu.edu.cn 
张文超 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819  
王磊 东北大学 计算机科学与工程学院, 辽宁 沈阳 110819  
摘要点击次数: 1273
全文下载次数: 2760
中文摘要:
      Coterie是一种异步的组模式,要求在不等时间间隔约束下,找出具有相似轨迹行为的组模式.而传统的轨迹组模式挖掘算法往往处理具有固定时间间隔采样约束的GPS数据,因此法直接用于Coterie模式挖掘.同时,传统组模式挖掘存在语义信息缺失问题,降低了个性化旅游路线推荐的完整度和准确度.为此,提出基于语义的距离敏感推荐策略DRSS (distance-aware recommendation strategy based on semantics)和基于语义的从众性推荐策略CRSS (conformity-aware recommendation strategy based on semantics).此外,随着社交网数据规模的不断增大,传统组模式聚类算法的效率受到极大的挑战,因此,为了高效处理大规模社交网轨迹数据,使用带有优化聚类的MapReduce编程模型来挖掘Coterie组模式.实验结果表明:MapReduce编程模型下带优化聚类和语义信息的Coterie组模式挖掘,在个性化旅游路线推荐上优于传统组模式旅游路线推荐质量,且能够有效处理大规模社交网轨迹数据.
英文摘要:
      Coterie is an asynchronous group pattern that finds the group patterns with similar trajectory behavior under unequal time interval constraints. The traditional trajectory pattern mining algorithm often deals with GPS data with fixed time interval sampling constraints, which cannot be directly used for coterie pattern mining. At the same time, the traditional group pattern mining has the problem of missing semantic information, and thus reduces the completeness and accuracy of individualized tourist routes. To address the issue, two semantic-based tourism route recommendation strategies, distance-aware recommendation strategy based on semantics (DRSS) and conformity-aware recommendation strategy based on semantics (CRSS), are proposed in this paper. In addition, with the increasing size of social network data, the efficiency of traditional group model clustering algorithm is of great challenge. Therefore, in order to deal with large-scale social network trajectory data efficiently, MapReduce programming model with optimized clustering is used to mine the coterie group pattern. The experimental results show that the coterie group pattern mining with optimized clustering and semantic information under the MapReduce programming model achieves better recommendation quality than the traditional group pattern travel route in the personalized tourism route recommendation and can effectively handle the large-scale social network trajectory data.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利