导读:本文包含了语义位置模型论文开题报告文献综述及选题提纲参考文献，主要关键词:出行方式识别,频繁模式挖掘算法,语义轨迹,位置轨迹
语义位置模型论文文献综述
章静蕾,石海龙,崔莉[1]（2019）在《基于出行方式及语义轨迹的位置预测模型》一文中研究指出现有位置预测方法的研究多集中于对轨迹数据的挖掘和分析,而在如何通过轨迹数据中含有的信息内容以及外源数据以提高位置预测精确度方面的研究尚不深入,有很大研究空间.提出了一种挖掘语义轨迹信息并结合出行方式的未来位置预测模型,该模型首先可实现根据语义轨迹进行相似用户挖掘,并结合个人语义轨迹和相似用户位置轨迹得到频繁模式集合,最后结合2个集合对目标轨迹得到未来位置预测候选集;然后可实现对未来出行方式进行识别,同时结合历史出行方式和位置轨迹数据,建立Markov模型对未来位置进行预测得到候选集,最后结合前一部分的候选集得到最终未来位置结果.此模型不仅能结合语义轨迹挖掘相似用户的行为活动,还可同时融合出行方式的外源数据克服位置轨迹的局限性.实验验证表明:该模型能对日常生活中的轨迹位置数据进行预测并达到86%的精确度,同时在不同的频繁模式支持度下,其精确度都比未结合出行方式模型时平均高出5%,因此本模型对位置预测结果的提高具有有效性.(本文来源于《计算机研究与发展》期刊2019年07期）
黄小根[2]（2019）在《一种基于语义位置和区域划分的兴趣点推荐模型的研究》一文中研究指出在现阶段的兴趣点推荐模型与算法中,对于兴趣点间的连续过渡因素以及区域影响因素的考量较为忽视,导致推荐准确性的降低。基于此,本文设计了一种基于语义位置和区域划分的兴趣点推荐模型,对其中的算法展开了详细的介绍。利用真实数据集进行检测实验后,证实了该模型的有效性。(本文来源于《软件》期刊2019年03期）
龚小龙,王明文,万剑怡,王晓庆[3]（2015）在《结合邻近度的语义位置语言检索模型》一文中研究指出在传统的检索模型中,文档与查询的匹配计算主要考虑词项的统计特征,如词频、逆文档频率和文档长度,近年来的研究表明应用查询词项匹配在文档中的位置信息可以提高查询结果的准确性。如何更好地刻画查询词在文档中的位置信息并建模,是研究提高检索效果的问题之一。该文在结合语义的位置语言模型(SPLM)的基础上进一步考虑了词的邻近信息,并给出了用狄利克雷先验分布来计算邻近度的平滑策略,提出了结合邻近度的位置语言检索模型。在标准数据上的实验结果表明,提出的检索模型在性能上要优于结合语义的位置语言模型。(本文来源于《中文信息学报》期刊2015年04期）
龚小龙[4]（2014）在《结合邻近度的语义位置语言检索模型》一文中研究指出在过去的几十年间，许多经典的模型在信息检索领域诞生，诸如布尔模型、向量空间模型以及概率模型等。1998年，Ponte和Croft首次将统计语言模型应用于信息检索，并且提出了查询似然语言模型，近十年来该模型得到了快速的发展。随之国内外许多学者都加入了这个领域的研究，在大量的研究实验基础上，研究者们又陆续的提出了隐马尔科夫模型，统计翻译模型，风险最小化模型等。但研究者所提出的大多数检索模型都仅使用了词在文档中的频率这一特征，而未考虑文档中词与词之间的位置关系。基于这点，Lv和Zhai提出了一种位置语言模型，该模型细微到对每个词项位置建立一个语言模型。随后在位置语言模型的基础上，余伟和王明文对其做出了改进，提出了一种结合语义的位置语言模型(SPLM)，并成功应用于信息检索。该模型的检索模型部分直接应用了插值（Jelinek-Mercer）平滑，但并未在检索当中考虑查询词项的位置信息，依然存有缺陷。因此本文在他们的工作基础上进行了改进。近年来的研究表明应用查询词项匹配在文档中的位置信息可以提高查询结果的准确性。如何更好地刻画查询词在文档中的位置信息并建模，是研究提高检索效果的问题之一。本文在结合语义的位置语言模型(SPLM)的基础上进一步考虑了词的邻近信息，并给出了用狄利克雷先验分布来计算邻近度的平滑策略，提出了结合邻近度的位置语言检索模型。具体来说本文的主要工作和创新点如下：1)首先考虑对比了多种不同的核函数，并最终决定采用高斯核函数来度量原有模型中的位置关系,并给出了邻近度计算模型的与语言模型的融合思想。2)搜索结果排序是信息检索中的基本问题，基于概率统计学以及线性级算法复杂度相关理论，提出了一种结合邻近度的位置语言检索模型。本文根据邻近度与语言模型融合的思想，给出了邻近度信息与狄利克雷平滑的SPLM检索模型的结合方式，进一步系统的对比了结合语义的位置语言检索模型与结合邻近度的语义位置语言检索模型的性能差异，并区分对比了狄利克雷先验分布平滑与SPLM模型中JM平滑的效果。3)通过实验表明，本文提出的检索模型在检索性能方面要优于结合语义的位置语言模型。本文也进一步对模型中的参数进行了敏感度分析，并且对比了不同的邻近度策略，且对不同邻近度结合方式的模型进行了算法复杂度的分析。(本文来源于《江西师范大学》期刊2014-06-01）
余伟,王明文,万剑怡,左家莉[5]（2013）在《结合语义的位置语言模型》一文中研究指出针对位置语言模型没有考虑词与词之间语义关系的问题,提出一种结合语义的位置语言模型。首先采用高斯核函数来度量词与词之间的位置关系;然后提出一种平滑互信息的技术来度量词与词之间的语义关系,证明了平滑互信息能够有效解决大量词对之间无法通过互信息来计算转移概率的问题;还证明了位置语言模型是结合语义位置语言模型的一个特例;最后将结合语义的位置语言模型应用于信息检索,得到一个基于该模型的检索模型。实验结果表明,基于该模型的检索模型在性能方面要优于基于位置语言模型的检索模型。(本文来源于《北京大学学报(自然科学版)》期刊2013年02期）
余伟[6]（2012）在《结合语义的位置语言模型》一文中研究指出在过去的四十年里，信息检索领域出现了很多经典的模型，诸如布尔模型、向量空间模型以及概率模型。随着Pnoet和Corft首次提出基于统计语言模型的检索模型，近十年来该模型得到了快速的发展。国内外许多学者都加入了这个领域的研究，做了大量有意义的工作，因此又陆续的提出了隐马尔科夫模型，统计翻译模型，风险最小化模型等。但是大多数检索模型都是基于词在文档中的频率，而未考虑词在文档中的位置关系。例如这样的两篇文档——包含了相同集合的词并且每个词在两篇文档中的出现频率都一样，唯一不同的是这些词在文档中摆放的位置顺序有所不同，那么对于大多数检索模型这两篇文档的检索得分是一样的。但若第一篇文档中查询词与查询词出现得更为邻近，第二篇则出现得更为疏远的话，那么显然第一篇文档理应获得更高的检索得分，而大多数检索模型都无法做到这点。基于这点出发，Lv和Zhai提出了一种位置语言模型,并成功的应用于信息检索，该模型最大的优势就是考虑了文档中词与词的位置关系。但该模型依然还存有缺陷：并未考虑到词与词之间的语义关系。因此本文在他们的工作基础上进行了改进，提出了一种结合语义的位置语言模型。具体来说本文的主要工作和创新点如下：1)提出了一种新的技术——“平滑互信息”,来度量两个词之间的转移概率。由于数据集中的词存在稀疏性，因此直接使用互信息来度量两个词的转移概率会造成大量的词对无法计算。本文则对互信息采用了一种平滑技术，使得数据集上几乎任意两个词都可计算出平滑互信息，从而计算出两个词的转移概率。更为重要的是，这种平滑技术遵循了词在数据集中的原始分布,并在附录中给出了这种平滑技术的理论证明。2)基于概率统计学以及互信息等相关理论，提出了一种结合语义的位置语言模型。本文给出了该模型中每个未知参数的估计思想以及估计方法，并且进一步对比了位置语言模型和结合语义的位置语言模型的异同点。最后证明了位置语言模型是本文模型的一个特例。3)通过实验表明，基于本文模型的检索模型在检索性能方面要优于基于位置语言模型的检索模型。本文还进一步对模型中的参数进行了敏感度分析，主要分析了叁个参数对这两个检索模型的影响。(本文来源于《江西师范大学》期刊2012-05-01）
胡美[7]（2011）在《支持位置服务的语义缓存模型研究与实现》一文中研究指出随着移动设备硬件技术不断地提高和移动计算技术日渐成熟,以及人们对位置相关信息的需求,支持位置服务具有巨大的发展潜力。移动计算可以支持人们不受地域限制地进行信息访问和任务处理,但是移动计算的用户移动、通信带宽窄、延迟长、网络断接频繁且移动终端资源有限等特点成为移动数据库应用系统的瓶颈,解决这个问题的途径之一是利用语义缓存技术。语义缓存是基于客户查询语义相关建立的一种客户缓存,内容由以往查询的结果及相应的语义描述组成。客户端利用本地缓存的语义信息进行推理,从而确定客户查询是否可在本地被完全解答或部分解答,一定程度地减少了对数据库服务器的访问,从而提高系统可用性和整体性能。据统计,当今人们所使用的信息中有80%以上的信息与“位置”有关,即存在大量的位置相关数据(LDD),如何在语义缓存中有效管理和使用位置信息是本文研究的问题。但是传统的语义缓存缺乏对位置信息的描述和有效管理,针对这个问题,我们对传统的语义缓存进行了扩充,增加了对位置信息的描述属性,并通过对位置属性进行空间索引来提高移动系统查询性能。本文研究了移动计算环境下位置相关语义缓存管理和查询处理策略,采用空间索引结构Quadtree的思想来对语义缓存的位置属性进行索引,构造了语义缓存的树型索引结构,设计了查询处理算法,通过动态合并策略来进行缓存合并管理以提高查询效率,并通过实验比较了本文方法与传统链表方法,结果表明本文方法能够更好地支持移动计算应用。(本文来源于《华南理工大学》期刊2011-06-05）
孙新,刘玉树,刘琼昕,郑军[8]（2010）在《具有位置感知和语义特征的P2P网络模型》一文中研究指出非结构化P2P网络中常用的泛洪搜索方法造成了严重的通信消耗.提出一种基于位置感知和语义的P2P网络模型,在覆盖网络的构建过程中考虑底层的物理网络拓扑,同时兼顾拓扑结构与共享资源之间的相关性.该网格模型基础上,给出了语义搜索算法.实验结果表明,提出的网络模型能够减少覆盖网络与底层物理网络拓扑不匹配带来的网络开销,并且在查找性能和网络开销之间取得了良好的平衡.(本文来源于《电子学报》期刊2010年11期）
雷鸣,何丕廉,李智超[9]（2006）在《基于位置相关查询的一种语义缓存模型》一文中研究指出为了克服FAR算法在位置预测方面的不足,定义了一种语义缓存模型,与传统的语义缓存模型相比增加了对移动单元的坐标和语义片段的时间描述,有助于预测未来移动单元可能的位置.提出了一个改进的RBF-FAR算法作为替换策略,并结合使用RBFNN进行位置预测.实验证明,通过定义新的语义缓存模型,采用新的查询替换策略,再结合神经网络的自学习特性,使得RBF-FAR模型更加灵活,并有效地减少网络负载和查询时间.(本文来源于《天津大学学报》期刊2006年11期）
语义位置模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在现阶段的兴趣点推荐模型与算法中,对于兴趣点间的连续过渡因素以及区域影响因素的考量较为忽视,导致推荐准确性的降低。基于此,本文设计了一种基于语义位置和区域划分的兴趣点推荐模型,对其中的算法展开了详细的介绍。利用真实数据集进行检测实验后,证实了该模型的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义位置模型论文参考文献
[1].章静蕾,石海龙,崔莉.基于出行方式及语义轨迹的位置预测模型[J].计算机研究与发展.2019
[2].黄小根.一种基于语义位置和区域划分的兴趣点推荐模型的研究[J].软件.2019
[3].龚小龙,王明文,万剑怡,王晓庆.结合邻近度的语义位置语言检索模型[J].中文信息学报.2015
[4].龚小龙.结合邻近度的语义位置语言检索模型[D].江西师范大学.2014
[5].余伟,王明文,万剑怡,左家莉.结合语义的位置语言模型[J].北京大学学报(自然科学版).2013
[6].余伟.结合语义的位置语言模型[D].江西师范大学.2012
[7].胡美.支持位置服务的语义缓存模型研究与实现[D].华南理工大学.2011
[8].孙新,刘玉树,刘琼昕,郑军.具有位置感知和语义特征的P2P网络模型[J].电子学报.2010
[9].雷鸣,何丕廉,李智超.基于位置相关查询的一种语义缓存模型[J].天津大学学报.2006