? 文章分析用戶的地理訪問歷史記錄，給出用戶的行為模式，最后給出一種對位置貼標簽的機制。

數據集：文獻[15]的，114個用戶長達18個月的，來自兩個大學的學生和老師的記錄。

用戶訪問的特征：

每個用戶總共訪問了多少個地點？

每個地點被訪問了多少次？

人們訪問新地點的比例？

個人信息（性別、年齡、職業）對用戶行為模式的影響。

訪問記錄的時間分布。

地點的被訪問特征：

地點都有哪些category？

地點被訪問的時間分布。

文章主要考慮了10個category：Home、Friend-Home、Work/School等。

運用機器學習的分類算法給地點貼category，主要思路：考慮多個特征，對訓練集進行特征萃取，然后對測試集進行預測。關鍵在于特征的選取。本文考慮了如下四方面特征：

1）移動特征（地點的訪問頻率、單次持續時間、總時間、周內時間分布）

2）應用使用（用戶在訪問每個地點時，都使用那些應用）

3）藍牙使用（用戶在訪問每個地點時，藍牙使用時間）

4）WiFi使用（用戶在訪問每個地點時，WiFi使用時間）

自我感想：這個研究思路不錯，想借鑒。

總結

以上是生活随笔為你收集整理的The Places of Our Lives: Visiting Patterns and Automatic Labeling from Longitudinal Smartphone Data的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。