面向社會計算的手機用戶行為大數(shù)據(jù)研究

第1篇 導 論

第1章 研究背景 2
第2章 社會計算概述 5
2．1 社會計算介紹 5
2．2 社會計算研究概述 6
2．2．1 人道主義救援 6
2．2．2 公共衛(wèi)生管理 8
2．2．3 氣象災害應(yīng)急 9
2．2．4 經(jīng)濟發(fā)展監(jiān)控 9
2．2．5 農(nóng)業(yè)食品安全 10
2．2．6 交通城市規(guī)劃 11
2．2．7 能源 11
2．2．8 國家調(diào)研統(tǒng)計 11
第3章 智能決策 16

第2篇 用戶行為分析

第4章 基于電信運營商數(shù)據(jù)的路網(wǎng)匹配
算法 20
4．1 本章簡介 20
4．2 背景介紹 20
4．3 問題定義 22
4．3．1 路網(wǎng)匹配問題定義 22
4．3．2 現(xiàn)有的路網(wǎng)匹配方法的
局限性 23
4．4 方法設(shè)計 24
4．4．1 方法概覽 24
4．4．2 位置表征模型 25
4．4．3 路網(wǎng)匹配模型 26
4．4．4 強化學習優(yōu)化模型 27
4．5 系統(tǒng)實現(xiàn) 29
4．5．1 離線訓練過程 29
4．5．2 在線匹配過程 30
4．6 實驗結(jié)果 31
4．6．1 實驗設(shè)置 31
4．6．2 路網(wǎng)匹配準確率驗證 31
4．6．3 路網(wǎng)匹配的匹配時間驗證 32
4．6．4 注意力模型的有效性驗證 32
4．6．5 系統(tǒng)的魯棒性驗證 33
4．6．6 位置表征模型的有效性驗證 35
4．6．7 強化學習優(yōu)化模型的有效性
驗證 36
4．7 相關(guān)文獻討論 37
4．8 總結(jié) 38
第5章 利用移動跟蹤數(shù)據(jù)從旅游團組
規(guī)模的角度理解游客移動模式：
以中國西安為例 43
5．1 本章簡介 43
5．2 背景介紹 43
5．2．1 游客行為 43
5．2．2 團組規(guī)模 44
5．3 案例介紹 45
5．3．1 研究區(qū)域和數(shù)據(jù) 45
5．3．2 細粒度旅游團組劃分方法 47
5．4 案例分析結(jié)果 51
5．4．1 人口統(tǒng)計學模式 51
5．4．2 空間模式 52
5．4．3 時間模式 54
5．5 總結(jié) 55
5．5．1 結(jié)果洞察 55
5．5．2 實際意義 56
5．5．3 結(jié)論 58
第6章 大型活動期間的旅游景區(qū)游客
增幅研究：目的地屬性的影響 62
6．1 本章簡介 62
6．2 背景介紹 62
6．2．1 研究背景 62
6．2．2 相關(guān)研究 63
6．3 案例介紹 66
6．3．1 案例區(qū)域和數(shù)據(jù) 66
6．3．2 變量測量 66
6．3．3 數(shù)據(jù)分析 68
6．4 案例分析結(jié)果 69
6．4．1 描述性分析 69
6．4．2 相關(guān)性分析 69
6．4．3 探索性因子分析 70
6．4．4 回歸分析―目的地屬性對
游客增幅的影響 71
6．5 總結(jié) 72
6．5．1 理論意義 72
6．5．2 實際意義 73
6．5．3 結(jié)論 74
第7章 基于標記時間點過程的手機應(yīng)用
程序使用預測算法 78
7．1 本章簡介 78
7．2 背景介紹 79
7．3 方法設(shè)計 80
7．4 應(yīng)用程序時間點過程算法 81
7．4．1 應(yīng)用程序表征模塊 82
7．4．2 應(yīng)用程序使用預測器模塊 82
7．4．3 環(huán)境感知優(yōu)化模塊 84
7．5 實驗結(jié)果 85
7．5．1 數(shù)據(jù)驅(qū)動實驗 86
7．5．2 現(xiàn)場實驗 88
7．5．3 系統(tǒng)開銷 89
7．6 相關(guān)文獻討論 91
7．7 總結(jié) 92
附錄A MTPP模型的參數(shù)學習 93
附錄B 模型實現(xiàn) 94
附錄C 模型訓練 94


第3篇 用戶行為預測

第8章 使用“大五”人格特質(zhì)預測日常
移動行為：基于手機數(shù)據(jù)的實證
研究 96
8．1 本章簡介 96
8．2 研究背景 96
8．2．1 日常移動行為 96
8．2．2 人格特質(zhì)與日常移動行為 97
8．2．3 研究概述 98
8．3 假設(shè)建立 98
8．3．1 神經(jīng)質(zhì)與日常移動行為 98
8．3．2 盡責性和日常移動行為 99
8．3．3 宜人性和日常移動行為 99
8．3．4 開放性與日常移動行為 99
8．3．5 外向性和日常移動行為 99
8．4 實驗設(shè)計 100
8．4．1 數(shù)據(jù)收集 100
8．4．2 變量測量 100
8．5 分析結(jié)果 101
8．6 總結(jié) 104
8．6．1 研究總結(jié) 104
8．6．2 貢獻 105
8．6．3 局限性和未來研究方向 105
第9章 基于元級手機使用數(shù)據(jù)的個人
信用評估研究 110
9．1 本章簡介 110
9．2 背景介紹 110
9．3 實證研究 112
9．3．1 假設(shè)提出 112
9．3．2 樣本和數(shù)據(jù) 114
9．3．3 變量 114
9．3．4 探索性分析 116
9．4 個人信用評估模型構(gòu)建 119
9．4．1 變量選擇 120
9．4．2 個人信用評估模型 121
9．5 結(jié)果分析 123
9．5．1 評價 123
9．5．2 變量表現(xiàn) 123
9．5．3 不同方法的比較 125
9．5．4 與現(xiàn)有模型的對比 126
9．6 總結(jié) 127
第10章 一個應(yīng)用程序使用行為預測的
深度強化學習框架 132
10．1 本章簡介 132
10．2 背景介紹 133
10．3 相關(guān)文獻 135
10．3．1 App使用行為預測研究
現(xiàn)狀 135
10．3．2 深度強化學習研究現(xiàn)狀 136
10．4 方法設(shè)計 137
10．4．1 研究必要性 137
10．4．2 DeepApp框架設(shè)計 138
10．4．3 App使用行為預測的上下文
感知狀態(tài) 140
10．4．4 App使用行為預測的Actor-
Critic智能體 140
10．4．5 DeepApp工作流程 142
10．5 DeepApp框架的實現(xiàn) 143
10．5．1 DeepApp框架后端 143
10．5．2 DeepApp框架前端 143
10．5．3 前后端預測實現(xiàn) 144
10．6 基于數(shù)據(jù)驅(qū)動的實驗與結(jié)果 144
10．6．1 實驗設(shè)置 144
10．6．2 不同方法的準確率比較 145
10．6．3 通用智能體的有效性
驗證 145
10．6．4 DeepApp解決用戶偏好
時變性問題 146
10．6．5 參數(shù)設(shè)置實驗 146
10．6．6 不同用戶行為下DeepApp的
性能 147
10．7 實地實驗與結(jié)果 148
10．7．1 用戶調(diào)查問卷 149
10．7．2 實地實驗算法性能 150
10．7．3 預測延遲問題 150
10．7．4 系統(tǒng)的額外開銷 150
10．8 總結(jié) 151

第4篇 用戶行為干預

第11章 基于多源數(shù)據(jù)融合的商鋪類型
推薦系統(tǒng)研究 158
11．1 本章簡介 158
11．2 背景介紹 159
11．3 方法設(shè)計 160
11．3．1 系統(tǒng)概述 160
11．3．2 商鋪類型推薦模型構(gòu)建 161
11．4 結(jié)果分析 165
11．4．1 數(shù)據(jù)收集及預處理 165
11．4．2 實驗執(zhí)行 166
11．4．3 評估度量 166
11．4．4 實驗結(jié)果 167
11．5 總結(jié) 172
第12章 基于App有效性預測的移動
健康類App推薦方法研究 176
12．1 本章簡介 176
12．2 背景介紹 177
12．3 方法設(shè)計 178
12．3．1 問題定義 178
12．3．2 用戶-BCT矩陣構(gòu)建 179
12．3．3 用戶畫像構(gòu)建 181
12．3．4 合適的BCT預測 182
12．3．5 移動健康類App推薦 182
12．4 實驗結(jié)果 183
12．4．1 實驗數(shù)據(jù) 183
12．4．2 評估指標 185
12．4．3 實驗結(jié)果及分析 186
12．5 總結(jié) 190
第13章 利用蜂窩數(shù)據(jù)基于偏好補全的
協(xié)同過濾方法進行位置推薦 195
13．1 本章簡介 195
13．2 背景介紹 195
13．3 方法設(shè)計 197
13．3．1 問題定義及偏好補充分析 197
13．3．2 基于偏好補全的位置推薦
方法 200
13．4 實驗結(jié)果 204
13．4．1 數(shù)據(jù) 204
13．4．2 評價指標 205
13．4．3 基準方法 206
13．4．4 實驗結(jié)果 206
13．5 總結(jié) 212
第14章 基于強化學習的城市地鐵網(wǎng)絡(luò)
擴建研究 215
14．1 本章簡介 215
14．2 背景介紹 216
14．3 方法設(shè)計 217
14．3．1 準備性工作 217
14．3．2 地鐵擴建方法 219
14．4 實驗結(jié)果 224
14．4．1 數(shù)據(jù)及其預處理 225
14．4．2 基準方法和性能評估 225
14．4．3 與實際規(guī)劃地鐵線路的
比較 229
14．4．4 多條地鐵線路擴建 231
14．5 總結(jié) 232