面向社會(huì)計(jì)算的手機(jī)用戶行為大數(shù)據(jù)研究

第1篇 導(dǎo) 論

第1章 研究背景 2
第2章 社會(huì)計(jì)算概述 5
2．1 社會(huì)計(jì)算介紹 5
2．2 社會(huì)計(jì)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(zāi)害應(yīng)急 9
2．2．4 經(jīng)濟(jì)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(jì) 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(yùn)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(jì) 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(qiáng)化學(xué)習(xí)優(yōu)化模型 27
4．5 系統(tǒng)實(shí)現(xiàn) 29
4．5．1 離線訓(xùn)練過程 29
4．5．2 在線匹配過程 30
4．6 實(shí)驗(yàn)結(jié)果 31
4．6．1 實(shí)驗(yàn)設(shè)置 31
4．6．2 路網(wǎng)匹配準(zhǔn)確率驗(yàn)證 31
4．6．3 路網(wǎng)匹配的匹配時(shí)間驗(yàn)證 32
4．6．4 注意力模型的有效性驗(yàn)證 32
4．6．5 系統(tǒng)的魯棒性驗(yàn)證 33
4．6．6 位置表征模型的有效性驗(yàn)證 35
4．6．7 強(qiáng)化學(xué)習(xí)優(yōu)化模型的有效性
驗(yàn)證 36
4．7 相關(guān)文獻(xiàn)討論 37
4．8 總結(jié) 38
第5章 利用移動(dòng)跟蹤數(shù)據(jù)從旅游團(tuán)組
規(guī)模的角度理解游客移動(dòng)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(tuán)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(xì)粒度旅游團(tuán)組劃分方法 47
5．4 案例分析結(jié)果 51
5．4．1 人口統(tǒng)計(jì)學(xué)模式 51
5．4．2 空間模式 52
5．4．3 時(shí)間模式 54
5．5 總結(jié) 55
5．5．1 結(jié)果洞察 55
5．5．2 實(shí)際意義 56
5．5．3 結(jié)論 58
第6章 大型活動(dòng)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(duì)
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(shí)際意義 73
6．5．3 結(jié)論 74
第7章 基于標(biāo)記時(shí)間點(diǎn)過程的手機(jī)應(yīng)用
程序使用預(yù)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(jì) 80
7．4 應(yīng)用程序時(shí)間點(diǎn)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(yù)測器模塊 82
7．4．3 環(huán)境感知優(yōu)化模塊 84
7．5 實(shí)驗(yàn)結(jié)果 85
7．5．1 數(shù)據(jù)驅(qū)動(dòng)實(shí)驗(yàn) 86
7．5．2 現(xiàn)場實(shí)驗(yàn) 88
7．5．3 系統(tǒng)開銷 89
7．6 相關(guān)文獻(xiàn)討論 91
7．7 總結(jié) 92
附錄A MTPP模型的參數(shù)學(xué)習(xí) 93
附錄B 模型實(shí)現(xiàn) 94
附錄C 模型訓(xùn)練 94


第3篇 用戶行為預(yù)測

第8章 使用“大五”人格特質(zhì)預(yù)測日常
移動(dòng)行為：基于手機(jī)數(shù)據(jù)的實(shí)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(dòng)行為 96
8．2．2 人格特質(zhì)與日常移動(dòng)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(dòng)行為 98
8．3．2 盡責(zé)性和日常移動(dòng)行為 99
8．3．3 宜人性和日常移動(dòng)行為 99
8．3．4 開放性與日常移動(dòng)行為 99
8．3．5 外向性和日常移動(dòng)行為 99
8．4 實(shí)驗(yàn)設(shè)計(jì) 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(xiàn) 105
8．6．3 局限性和未來研究方向 105
第9章 基于元級(jí)手機(jī)使用數(shù)據(jù)的個(gè)人
信用評(píng)估研究 110
9．1 本章簡介 110
9．2 背景介紹 110
9．3 實(shí)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(gè)人信用評(píng)估模型構(gòu)建 119
9．4．1 變量選擇 120
9．4．2 個(gè)人信用評(píng)估模型 121
9．5 結(jié)果分析 123
9．5．1 評(píng)價(jià) 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(duì)比 126
9．6 總結(jié) 127
第10章 一個(gè)應(yīng)用程序使用行為預(yù)測的
深度強(qiáng)化學(xué)習(xí)框架 132
10．1 本章簡介 132
10．2 背景介紹 133
10．3 相關(guān)文獻(xiàn) 135
10．3．1 App使用行為預(yù)測研究
現(xiàn)狀 135
10．3．2 深度強(qiáng)化學(xué)習(xí)研究現(xiàn)狀 136
10．4 方法設(shè)計(jì) 137
10．4．1 研究必要性 137
10．4．2 DeepApp框架設(shè)計(jì) 138
10．4．3 App使用行為預(yù)測的上下文
感知狀態(tài) 140
10．4．4 App使用行為預(yù)測的Actor-
Critic智能體 140
10．4．5 DeepApp工作流程 142
10．5 DeepApp框架的實(shí)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(yù)測實(shí)現(xiàn) 144
10．6 基于數(shù)據(jù)驅(qū)動(dòng)的實(shí)驗(yàn)與結(jié)果 144
10．6．1 實(shí)驗(yàn)設(shè)置 144
10．6．2 不同方法的準(zhǔn)確率比較 145
10．6．3 通用智能體的有效性
驗(yàn)證 145
10．6．4 DeepApp解決用戶偏好
時(shí)變性問題 146
10．6．5 參數(shù)設(shè)置實(shí)驗(yàn) 146
10．6．6 不同用戶行為下DeepApp的
性能 147
10．7 實(shí)地實(shí)驗(yàn)與結(jié)果 148
10．7．1 用戶調(diào)查問卷 149
10．7．2 實(shí)地實(shí)驗(yàn)算法性能 150
10．7．3 預(yù)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(yù)

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(jì) 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(yù)處理 165
11．4．2 實(shí)驗(yàn)執(zhí)行 166
11．4．3 評(píng)估度量 166
11．4．4 實(shí)驗(yàn)結(jié)果 167
11．5 總結(jié) 172
第12章 基于App有效性預(yù)測的移動(dòng)
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(jì) 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(yù)測 182
12．3．5 移動(dòng)健康類App推薦 182
12．4 實(shí)驗(yàn)結(jié)果 183
12．4．1 實(shí)驗(yàn)數(shù)據(jù) 183
12．4．2 評(píng)估指標(biāo) 185
12．4．3 實(shí)驗(yàn)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(bǔ)全的
協(xié)同過濾方法進(jìn)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(jì) 197
13．3．1 問題定義及偏好補(bǔ)充分析 197
13．3．2 基于偏好補(bǔ)全的位置推薦
方法 200
13．4 實(shí)驗(yàn)結(jié)果 204
13．4．1 數(shù)據(jù) 204
13．4．2 評(píng)價(jià)指標(biāo) 205
13．4．3 基準(zhǔn)方法 206
13．4．4 實(shí)驗(yàn)結(jié)果 206
13．5 總結(jié) 212
第14章 基于強(qiáng)化學(xué)習(xí)的城市地鐵網(wǎng)絡(luò)
擴(kuò)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(jì) 217
14．3．1 準(zhǔn)備性工作 217
14．3．2 地鐵擴(kuò)建方法 219
14．4 實(shí)驗(yàn)結(jié)果 224
14．4．1 數(shù)據(jù)及其預(yù)處理 225
14．4．2 基準(zhǔn)方法和性能評(píng)估 225
14．4．3 與實(shí)際規(guī)劃地鐵線路的
比較 229
14．4．4 多條地鐵線路擴(kuò)建 231
14．5 總結(jié) 232