基于地理位置时间序列的相似性研究

电子设计工程

EleｃtroniｃDesign Engineering

第２5卷Vol．２5第8期Ｎo．8２０１7年４月Ａpr．２０１7

收稿日期：２０１６－０3－１5

稿件编号：２０１６０3１87

作者简介：彭艳兵（１９7４—），男，江苏南京人，博士，高级工程师。研究方向：网络行为分析，海量数据挖掘。

在数据挖掘和自然语言处理中一个重要的计

算就是相似度计算，相似度常用于衡量研究对象之间的密切程度。相似度的计算过程主要分为3个部分，研究对象的特征选择、特征的向量化和选择合适的相似度算法。在不同的应用场景，算法常受限于数据规模、时间效率等，相似度的算法选择又会有所区别和不同。下面介绍几种相似度的计算方法。

向量空间模型（Veｃtor Spaｃe Model ）是应用最广泛的一个相似度计算模型，在该模型中，每个研究对象被映射为一个特征向量，通过计算特征向量之间的欧式距离或余弦值[１－3]作为判断相似性的依据。向量空间模型在许多应用中起着至关重要的作用，也是很多扩展算法[４－7]的基础。

基于Hasｈ的相似度计算方法，是一种基于概率的降维方法，主要用于大规模数据的压缩与实时计算场景下。该方法将原始信息不可存储与计算的问题转化为映射空间的可存储计算问题，例如，Google 的网页去重[8]，Google Ｎews 的协同过滤[９]等都是采用

Hasｈ方法进行近似相似度的计算。一些常用的基于Hasｈ的计算方法还包括I－ｍatｃｈ算法、Sｈingling 算法、Loｃality－Sensitive Hasｈing [１０]族等算法。

基于主题相似度的词袋模型（Bag－of－Words ），

词袋模型的研究对象的特征必须独立，按照特征向量的匹配情况来度量研究对象之间的相似度，常用的主题分析方法包括Latent SeｍantiｃＡnalysis

基于地理位置时间序列的相似性研究

彭艳兵１，姚伟烈２，刘卫江２

（１．烽火通信科技股份有限公司南京研发部江苏南京２１００１９；２．大连海事大学辽宁大连１１６０２６）摘要：位置时间序列常被应用到不同的研究领域，具有很高的商业价值。本文通过计算位置时间序列的余弦相似度找到确定与其近似的位置时间序列。同时针对余弦相似度在计算位置时间序列相似性出现的偏差，提出了一种余弦相似度的改进方法（单侧相似度）。单侧相似度给出了不同位置时间序列的包含关系，这种关系是余弦相似度的进一步解释，可以用来衡量不同研究对象之间的包含程度。通过实验，证明了单侧相似度更适合描述位置时间序列的相似性。关键词：上网习惯；位置时间序列；位置权重；余弦相似度；单侧相似度中图分类号：ＴＮ０

文献标识码：Ａ

文章编号：１６7４－６２3６（２０１7）０8－００37－０４

Research on similarity based on location time series

ＰEＮG Yan -bing １，YＡO Wei -lie ２，LIU Wei -jiang ２

（１．Nanjing Research and Development Department ，FiberHome Communication Technology Co.Ltd.，

Nanjing ２１００１９，China ；２.Dalian Maritime University ，Dalian １１６０２６，China ）

Abstract:Ｐosition tiｍe series are often used in different researｃｈfields ，and ｈave ｈigｈｃoｍｍerｃial value．By ｃalｃulating and ｃoｍparing tｈe siｍilarity of position tiｍe series ，we ｃan find tｈe approxiｍate position tiｍe series．For tｈe deviation appears in siｍilarity ｃalｃulation of position tiｍe series by ｃosine siｍilarity ，an iｍproved ｍetｈod （unilateral siｍilarity ）was proposed based on ｃosine siｍilarity．Unilateral siｍilarity given a ｃontainｍent relationsｈip between different position tiｍe series ，tｈis relationsｈip is furtｈer explained ｃosine siｍilarity ，wｈiｃｈis used to ｍeasure tｈe ｃontainｍent relationsｈip between different researｃｈobjeｃt．Ｔｈe experiｍental results sｈow tｈat tｈe unilateral siｍilarity is ｍore suitable for desｃribing tｈe siｍilarity of position tiｍe series．

Key words:surfing ｈabits ；position tiｍe series ；position weigｈt ；ｃosine siｍilarity ；unilateral siｍilarity －37－

万方数据