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
姚迪,张超,黄建辉,陈越新,毕经平.时空数据语义理解:技术与应用.软件学报,2018,29(7):2018-2045
时空数据语义理解:技术与应用
Semantic Understanding of Spatio-Temporal Data: Technology & Application
投稿时间:2017-06-13  修订日期:2018-03-16
DOI:10.13328/j.cnki.jos.005576
中文关键词:  时空数据挖掘  语义理解  语义偏好  用户画像  机器学习
英文关键词:spatio-temporal data mining  semantic understanding  semantic profiling  user portrait  machine learning
基金项目:国家自然科学基金(61472403,61303243,61702470)
作者单位E-mail
姚迪 中国科学院 计算技术研究所, 北京 100190  
张超 University of Illinois at Urbana-Champaign, US  
黄建辉 中国科学院 计算技术研究所, 北京 100190  
陈越新 盲信号处理重点实验室, 四川 成都 610041  
毕经平 中国科学院 计算技术研究所, 北京 100190 bjp@ict.ac.cn 
摘要点击次数: 1010
全文下载次数: 1056
中文摘要:
      随着移动互联网的发展与手持智能终端的普及,海量带有用户时空属性的数据被生成.理解这些数据表达的语义信息对推测用户需求,分析用户偏好,进而提供精准时空推荐和预测服务具有重要作用.因此,近些年来,时空数据语义理解正成为时空数据挖掘领域的研究热点.从技术和应用两个层面,对近些年来国内外研究者在该领域的研究成果进行了系统的归类和总结.技术层面上,依据语义理解的不同任务,提出了时空数据语义理解的研究框架;并依次从地理位置语义理解、用户行为语义理解、热点事件语义理解3个主要任务,归纳了时空数据语义理解所包含的相关研究成果和关键技术.应用层面上,分别总结了时空数据语义理解在时空推荐和时空预测中的应用.最后,从数据质量、算法模型和计算模式3个方面,归纳了时空数据语义理解面临的主要挑战以及未来的研究方向.
英文摘要:
      With the development of mobile internet and widespread use of mobile phones, a large amount of data that contains user' time and space attributes has been generated and collected. Investigating the semantic information of the collective data plays an important role in understanding the needs, analyzing preference of the user, even recommending and predicting space and time. Recently, many researchers all over the world have turned their focus on understanding the spatio-temporal semantic data. This paper summarizes the related works regarding the spatio-temporal semantic data. Firstly, according to the tasks, the basic concepts and research frameworks are introduced; then, the works of location semantic understanding, user behavior semantic understanding and event semantic understanding are summarized. Additionally, the application scenarios of recommending and predicting space and time field are described. Finally, the future research directions of spatio-temporal data semantic understanding are discussed.
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