The discovery of personally semantic places based on trajectory data mining
The discovery of personally semantic places based on trajectory data mining
复制标题
基于轨迹数据挖掘的个人语义场所发现
DOI：
10.1016/j.neucom.2015.08.071
复制
发表时间：
2016-01
期刊：
影响因子：
6
通讯作者：
Chen L
中科院分区：
文献类型：
--
作者：
Lv Mingqi;Li Yinglong;Lv Mingqi;Chen Ling;Xu Zhenxing;Chen Gencai;Chen L
个人语义地点是指个人用户经常访问的空间，并且具有重要的语义含义（例如，家庭，工作等）。给用户自动发现个人语义位置的能力可以极大地增强许多位置感知应用程序。用户个人语义地点的发现涉及获得这些地点的物理位置和语义含义。在本文中，我们提出了解决这两个问题的方法。对于物理地点提取问题，提出了一种层次聚类算法，首先从GPS轨迹中提取访问点，然后对这些访问点进行聚类，形成物理地点。对于语义地点识别问题，探索了地点被访问的时间、空间和顺序特征，以将它们分类为预定义的类型。基于真实世界GPS轨迹数据集进行的一组广泛的实验证明了所提出的方法的有效性。
A personally semantic place is a space that is frequently visited by an individual user and carries important semantic meanings (e.g. home, work, etc.) to the user. Many location-aware applications could be greatly enhanced by the ability of automatic discovery of personally semantic places. The discovery of a user's personally semantic places involves obtaining the physical locations and semantic meanings of these places. In this paper, we propose approaches to address both of the problems. For the physical place extraction problem, a hierarchical clustering algorithm is proposed to firstly extract visit points from the GPS trajectories, and then clusters these visit points to form physical places. For the semantic place recognition problem, the temporal, spatial and sequential features in which the places have been visited are explored to categorize them into pre-defined types. An extensive set of experiments conducted based on a dataset of real-world GPS trajectories has demonstrated the effectiveness of the proposed approaches.
登录
查看更多内容
DOI：
10.1145/872757.872812
发表时间：
2003-06
期刊：
--
影响因子：
--
作者：
Jun Zhang;Manli Zhu;Dimitris Papadias;Yufei Tao;Lee
通讯作者：
Jun Zhang;Manli Zhu;Dimitris Papadias;Yufei Tao;Lee
DOI：
10.1145/1247715.1247718
发表时间：
2007-07
期刊：
ACM Trans. Inf. Syst.
影响因子：
--
作者：
Changqing Zhou;Dan Frankowski;Pamela J. Ludford;S. Shekhar;L. Terveen
通讯作者：
Changqing Zhou;Dan Frankowski;Pamela J. Ludford;S. Shekhar;L. Terveen
DOI：
10.1007/11551201_10
发表时间：
2005-09
期刊：
--
影响因子：
--
作者：
Jeffrey Hightower;Sunny Consolvo;A. LaMarca;I. Smith;Jeff Hughes
通讯作者：
Jeffrey Hightower;Sunny Consolvo;A. LaMarca;I. Smith;Jeff Hughes
DOI：
10.1145/1869790.1869857
发表时间：
2010-11
期刊：
--
影响因子：
--
作者：
Xiangye Xiao;Yu Zheng;Qiong Luo;Xing Xie
通讯作者：
Xiangye Xiao;Yu Zheng;Qiong Luo;Xing Xie
DOI：
10.1080/10447318.2013.796440
发表时间：
2013-04
期刊：
International Journal of Human–Computer Interaction
影响因子：
--
作者：
You Tu;Ling Chen;Mingqi Lv;Youbiao Ye;WeiKai Huang;Gencai Chen
通讯作者：
You Tu;Ling Chen;Mingqi Lv;Youbiao Ye;WeiKai Huang;Gencai Chen