[发明专利]一种基于多特征融合的社交群体分类方法及系统

权利要求书

1.一种基于多特征融合的社交群体分类方法，其步骤包括：

1)对一目标社交群体的数据集，对该数据集中各用户的轨迹数据进行预处理，去除噪声并对缺失位置信息进行插值；其中，该数据集包括该目标社交群体的社交关系及该目标社交群体中各用户的轨迹信息；

2)使用频繁序列挖掘算法从各用户轨迹数据中挖掘对应用户的轨迹模式，再将用户的轨迹模式看作时序序列，采用LSTM对该时序 序列进行编码，得到用户的轨迹编码；

3)根据所述社交关系生成一图网络，将所述社交关系投影到低维空间，学习得到各用户的嵌入表示；

4)将每一用户的轨迹编码和对应用户的嵌入表示结合输入softmax层，确定各用户的类别，实现对该目标社交群体的分类。

2.如权利要求1所述的方法，其特征在于，对该数据集中的用户轨迹数据进行预处理的方法为：

11)根据轨迹数据中轨迹点的采样间距设置时间片长度，将轨迹点与时间片一一对应；

12)对于每个时间片，将该时间片的数据按用户的唯一标识符分组；然后计算该时间片所有数据的中心位置；

13)根据时间片的分组结果进行数据过滤，如果同一组中含有多于一条位置数据，则计算该组所有位置信息与所述中心位置的距离，保留离所述中心位置最近的一条数据；

14)根据步骤13)过滤后保留的数据更新所述中心位置；

15)对于某一时间片缺失的轨迹点，如果该时间片前后相邻时间均存在轨迹点，则根据相邻时间的轨迹点进行插值，得到该缺失的轨迹点。

3.如权利要求1所述的方法，其特征在于，使用频繁序列挖掘算法挖掘所述轨迹模式的方法为：首先采用频繁序列挖掘算法对预处理之后的用户u的轨迹数据进行两层循环遍历，找出所有的频繁项；其中频繁项是指轨迹数据中出现次数大于设定阈值的轨迹片段；然后过滤得到的频繁项：过滤长度小于设定长度的频繁项，如果两频繁项重叠部分达设定比例以上则过滤掉其中较短的频繁项，如果频繁项存在自身内部循环则只留下内部循环中最长的部分；最后将过滤后得到的频繁项作为该用户u的轨迹模式。

4.如权利要求3所述的方法，其特征在于，得到用户的轨迹编码的方法为：首先将用户u的轨迹模式建模成一个固定长度为T的时序序列；该时序序列的第i个单元代表该用户u在第i个时间片的位置信息，该时序序列的最早一个时间片设为t₁；然后搭建长度为T的LSTM网络，设置隐状态维度为N维，将该时序序列中的向量按时间顺序输入该LSTM网络中；然后取最后一个时刻输出的隐状态作为该用户u的轨迹编码。

5.如权利要求1所述的方法，其特征在于，学习得到各用户的嵌入表示的方法为：

31)将社交关系建模成图网络，图中的每个节点代表一个个体，每条边代表两个个体间存在的社交关系；

32)采用有偏随机游走获取每个顶点的长度为L的近邻序列；

33)根据顶点的近邻接序列，用word2vec模型学习得到顶点的embedding向量作为对应用户的嵌入表示。

6.一种基于多特征融合的社交群体分类系统，其特征在于，包括数据预处理模块、轨迹模式生成模块、轨迹编码模块、嵌入表示学习模块和分类模块；其中，

数据预处理模块，用于对目标社交群体的数据集中各用户的轨迹数据进行预处理，去除噪声并对缺失位置信息进行插值；其中，该数据集包括该目标社交群体的社交关系及该目标社交群体中各用户的轨迹信息；

轨迹模式生成模块，用于使用频繁序列挖掘算法从各用户轨迹数据中挖掘对应用户的轨迹模式；

轨迹编码模块，用于将用户的轨迹模式看作时序序列，采用LSTM对该时序 序列进行编码，得到用户的轨迹编码；

嵌入表示学习模块，用于根据所述社交关系生成一图网络，将所述社交关系投影到低维空间，学习得到各用户的嵌入表示；

分类模块，用于将每一用户的轨迹编码和对应用户的嵌入表示结合输入softmax层，确定各用户的类别，实现对该目标社交群体的分类。