论文部分内容阅读
基于位置感知的移动服务(Location Based Service，LBS)依赖于用户的位置。比如线上到线下服务(Online To Offiine，O2O)需要提供位置定位，来给用户提供方便快捷的服务。目前已有一些基于移动终端的情境感知方法，这些研究成果大多是通过手机获得全球定位系统(Global Positioning System，GPS)的位置信息来挖掘出对用户的重要位置或其运动模式。基于GPS以及北斗卫星定位系统已经能够在户外获得用户准确坐标，给我们提供了极大的便利。但由于室内受建筑物阻挡接受不到GPS信号，使得基于GPS在室内的应用中关注比较少。基于无线局域网络(Wireless Local Area Networks，WLAN)的方法利用成熟的无线网络基础设施，能够确定用户相对小的位置区域。 随着WLAN在室内环境的日益普及，移动设备可以实时方便地获取各种有价值的WLAN数据，这对我们识别个体在日常生活中的多样化行为提供了前所未有的机会。近年来，用户的兴趣点与行为模式挖掘等领域日益引起各界的广泛关注。现有的位置服务通常只针对用户的室外位置数据，缺乏对室内数据的挖掘分析，基于用户室内轨迹数据分析主要集中在运动行为挖掘的层面上，并没有提取出隐含在轨迹数据中用户相关的更深层次含义，导致对室内用户的轨迹挖掘结果抽象程度低、难以表示用户高级语义。此外，现有研究缺乏针对基于室内用户轨迹挖掘的位置感知应用的设计指导方法以及基于室内用户轨迹的推荐方法，忽略了室内位置数据中蕴含的大量语义信息。本文利用室内定位技术获取用户在商场中的活动轨迹，根据用户去过的店铺和浏览过的商品等历史信息，然后结合机器学习技术和一个定制的POI(Point of Interest，POI)数据库对访问地点的时间和空间特征分别进行分析，进而获取访问地点的分类语义。相比于现有的访问地点挖掘技术，该方法可获得语义化程度较高的访问地点信息。估算用户的兴趣爱好，进而向用户个性化地推荐感兴趣商品，基于以上思路最后设计实现了一套基于室内定位和个性化商品推荐系统。