(1) Formulate a shared framework F.

(1) Formulate a shared framework F. We put all users’ stay points together into a dataset. Using a density-based clustering algorithm, we hierarchically cluster this dataset into several geospatial regions (clusters C) in a divisive manner. Thus, the similarstaypointsfromvarioususersareassignedtothesameclustersondifferent layers.Thisstructureof clusters,referred to as hierarchical framework(F),provides various users with a uniform framework to formulate their own graphs. (2) Construct a personal HG. Based on the shared hierarchical framework F and individual location history (LocH), each user can build a personal directed-graph in whichagraphnodeistheclustercontainingtheuser’sstaypointsandagraphedge stands for the sequence of the clusters (geographic regions) being visited by this user. Here, we do not differentiate the diverse paths that a user created between two places (clusters). Definition 4(Hierarchical Framework F). F is a collection of stay point-based clusters C with a hierarchy structure L. F = (C, L), where L ={ l1, l2,..., ln} denotes thecollection of layers of the hierarchy. C ={ cij|1≤i ≤|L|, 0≤ j ≤|Ci|}, where cij repre-sents the jth cluster of stay points on layer li ∈L, andCi is the collection of clusters on layer li. As illustrated in Figure 8, from the top to the bottom of the hierarchy, the geospatial scale of clusters decreases while the granularity of geographic regions increases from being coarse to being fine. Thus, the hierarchical feature of this framework is useful and essential to differentiate people with different degrees of similarity.The users who share the same location histories on a lower layer might be more correlated than those who share location histories on a higher layer. Definition 5(Hierarchical Graph). Given a user’s location history (LocH) and the shared framework (F), the user’s hierarchical graph (HG) can be formulated as a set of graphs HG={Gi = (Ci, Ei),1 < i ≤|L|}. On each layer li ∈ L, Gi ∈ HG includes a set of vertexes Ci and the edges Ei connecting cij ∈Ci. Notations. In the rest of this article, we use the following notations to simplify the descriptions. U ={ u1,u2,...,un} represents the collection of users in a community,u k ∈U,1≤k≤|U|denotes the k-th user. Trajk, Sk, LocHk and HGk respectively stand for the uk’s GPS trajectories, stay points, location history, and hierarchical graph. sk j means the j-th stay point of uk; Gk j is uk’s personal graph on layer li; seqk j denotes uk’s sequence extracted from layer li.
2.4. Architecture of the System Figure 9 gives an overview of the architecture of our recommender system, which consists of three parts: location history representation, user similarity exploration and location recommendation. First, based on individual GPS trajectories, we build a hierarchical graph for each user using the method we proposed in Section 2.2. This hierarchical graph is capable of modeling the user’s location histories on different geospatial scales. Second, given two users’ hierarchical graphs, we are able to match the similar sequences shared by them on each layer of the hierarchy and calculate a similarity score for them. Later, a group of people, called potential friends, with relatively high scores will be retrieved for a particular individual. Third, using a POI database, we understand the profile of a geospatial region by exploring the categories of POIs located in the region. Such profiles enable us to detect the similarity between geospatial regions and recommend locations based on users’ diverse requests. At the same time, with the similarity between locations, we are able

Kết quả (Việt) 1:

(1) xây dựng một khuôn khổ chung F. Chúng tôi đặt tất cả người dùng trú điểm lại với nhau thành một tập dữ liệu. Sử dụng một thuật toán kết cụm mật độ dựa trên, chúng tôi hierarchically cụm bộ dữ liệu này vào một số khu vực không gian địa lý (cụm C) một cách chia rẽ. Do đó, các lớp similarstaypointsfromvarioususersareassignedtothesameclustersondifferent. Thisstructureof cụm, được gọi là cấu trúc khung (F), cung cấp cho người dùng khác nhau với một khuôn khổ thống nhất để xây dựng riêng của đồ thị. (2) xây dựng một HG cá nhân. Dựa trên khuôn khổ phân cấp sổ F và lịch sử vị trí riêng lẻ (LocH), mỗi người dùng có thể xây dựng một cá nhân đạo diễn-đồ thị trong whichagraphnodeistheclustercontainingtheuser'sstaypointsandagraphedge là viết tắt cho trình tự cụm (vùng địa lý) đang được truy cập của người dùng này. Ở đây, chúng tôi phân biệt các đường dẫn đa dạng mà một người sử dụng tạo ra giữa hai vị trí (cụm). Definition 4 (thứ bậc khuôn khổ F). F là một tập hợp các trú điểm dựa trên cụm C với một cấu trúc phân cấp L. F = (C, L), nơi L = {l1, l2,..., ln} là bắt thecollection lớp của hệ thống phân cấp. C = {cij|1≤i ≤| L|, 0≤ j ≤| CI|}, nơi cij repre-sents cụm jth giá điểm trên lớp li ∈L, andCi là tập hợp các cụm trên lớp li. Như minh hoạ trong hình 8, từ trên xuống dưới cùng của hàng giáo phẩm, quy mô không gian địa lý của cụm giảm trong khi granularity của vùng địa lý tăng từ đang được thô để là fine. Vì vậy, các tính năng phân cấp của khuôn khổ này là hữu ích và rất cần thiết để phân biệt người với các mức độ khác nhau của giống nhau. Những người sử dụng những người chia sẻ cùng một vị trí nói về một lớp thấp hơn có thể được tương quan hơn so với những người chia sẻ lịch sử vị trí trên một lớp cao hơn. Definition 5 (đồ thị phân cấp). Cho lịch sử vị trí của người dùng (LocH) và khuôn khổ chung (F), biểu đồ phân cấp của người dùng (HG) có thể được xây dựng như một tập hợp các đồ thị HG = {Gi = (Ci, Ei), 1 < tôi ≤| L|}. Trên mỗi lớp li ∈ L, Gi ∈ HG bao gồm một tập hợp của vertexes Ci và cạnh Ei ∈Ci cij kết nối. Tả. Trong phần còn lại của bài viết này, chúng tôi sử dụng tả sau để đơn giản hóa các mô tả. U = {u1, u2,..., Liên Hiệp Quốc} đại diện cho bộ sưu tập của người dùng trong một cộng đồng, u k ∈U, 1≤k≤| U|denotes người sử dụng k-th. Trajk, Sk, LocHk và HGk tương ứng nổi bật nhất của Vương Quốc Anh GPS hnăm, ở điểm, lịch sử vị trí, và đồ thị thứ bậc. SK j có nghĩa là j-th trú điểm của Vương Quốc Anh; GK j là đồ thị cá nhân của Vương Quốc Anh trên lớp li; seqk j là bắt anh của chuỗi chiết xuất từ lớp li.2.4. kiến trúc của hệ thống hình 9 cho một tổng quan về kiến trúc của hệ thống các, bao gồm ba phần: vị trí lịch sử đại diện, người sử dụng tương tự thăm dò và địa điểm đề nghị. Trước tiên, chúng tôi dựa trên cá nhân GPS hnăm, xây dựng một biểu đồ phân cấp cho mỗi người dùng bằng cách sử dụng các phương pháp mà chúng tôi đề xuất trong phần 2.2. Biểu đồ phân cấp này có khả năng mô hình hóa lịch sử vị trí của người dùng về quy mô không gian địa lý khác nhau. Thứ hai, cho người sử dụng hai đồ thị thứ bậc, chúng tôi có thể phù hợp với các chuỗi tương tự như chia sẻ của họ trên mỗi lớp của hệ thống phân cấp và tính toán một số điểm giống nhau cho họ. Sau đó, một nhóm người, được gọi là bạn bè tiềm năng, với điểm tương đối cao sẽ được lấy cho một cá nhân cụ thể. Thứ ba, sử dụng cơ sở dữ liệu POI, chúng tôi có thể hiểu profile của một khu vực địa không gian bằng cách khai thác các loại địa điểm ưa thích trong vùng. Profiles như vậy cho phép chúng tôi để phát hiện sự tương đồng giữa các vùng không gian địa lý và giới thiệu địa điểm dựa trên yêu cầu đa dạng của người dùng. Đồng thời, với sự giống nhau giữa các địa điểm, chúng tôi có thể

Kết quả (Việt) 2:

(1) Xây dựng một khuôn khổ chung F. Chúng tôi đặt điểm nghỉ tất cả người sử dụng với nhau thành một tập dữ liệu. Sử dụng thuật toán phân cụm dựa trên mật độ, chúng tôi phân cấp cụm tập dữ liệu này thành nhiều vùng không gian địa lý (cụm C) một cách chia rẽ. Do đó, các cụm similarstaypointsfromvarioususersareassignedtothesameclustersondifferent layers.Thisstructureof, gọi là khuôn khổ phân cấp (F), cung cấp cho người sử dụng khác nhau với một khuôn khổ thống nhất để xây dựng đồ thị của riêng mình. (2) Xây dựng một HG cá nhân. Dựa vào khung phân cấp chia sẻ F và vị trí lịch sử cá nhân (Hồ), mỗi người dùng có thể xây dựng một đạo diễn đồ thị cá nhân trong whichagraphnodeistheclustercontainingtheuser'sstaypointsandagraphedge là viết tắt của các trình tự của các cụm (vùng địa lý) được viếng thăm bởi người dùng này. Ở đây, chúng ta không phân biệt những con đường khác nhau mà một người sử dụng tạo ra giữa hai địa điểm (cụm). De fi Định nghĩa 4 (Hierarchical Khung F). F là một tập hợp các cụm điểm dựa trên C nghỉ với một cấu trúc phân cấp L. F = (C, L), trong đó L = {A1, A2, ..., ln} biểu thị thecollection các lớp của hệ thống phân cấp. C = {Cij | 1≤i ≤ | L |, 0≤ k ≤ | Ci |}, nơi Cij repre-sents thứ j cụm các điểm nghỉ trên lớp li ∈L, andCi là tập hợp các cụm trên lớp li. Như được minh họa trong hình 8, từ trên xuống dưới cùng của hệ thống phân cấp, quy mô không gian địa lý của các cụm giảm trong khi các granularity của khu vực địa lý được tăng từ thô đến là fi ne. Như vậy, tính năng phân cấp của cơ cấu này là hữu ích và cần thiết để phân biệt những người có mức độ khác nhau của người sử dụng similarity.The có chung lịch sử cùng một vị trí trên một lớp thấp hơn có thể có nhiều tương quan so với những người chia sẻ lịch sử vị trí trên một lớp cao hơn. De fi Định nghĩa 5 (Biểu đồ phân cấp). Với vị trí lịch sử của người dùng (Hồ) và các khuôn khổ chia sẻ (F), đồ thị phân cấp của người sử dụng (HG) có thể được xây dựng như một tập hợp các đồ thị HG = {Gi = (Ci, Ei), 1 <i ≤ | L |} . Trên mỗi lớp li ∈ L, Gi ∈ HG bao gồm một tập hợp các đỉnh chóp Ci và các cạnh Ei nối Cij ∈Ci. Ký hiệu. Trong phần còn lại của bài viết này, chúng tôi sử dụng các ký hiệu sau đây để đơn giản hóa các mô tả. U = {u1, u2, ..., un} đại diện cho bộ sưu tập của người dùng trong một cộng đồng, uk ∈U, 1≤k≤ | U | biểu thị cho người dùng thứ k. Trajk, Sk, LocHk và HGK lần lượt đứng cho quỹ đạo GPS của uk, ở điểm, lịch sử vị trí, và đồ thị phân cấp. sk j có nghĩa là điểm nghỉ j-th của uk; Gk j là đồ cá nhân uk trên lớp li; seqk j biểu thị chuỗi uk của chiết xuất từ lớp li.
2.4. Kiến trúc của hệ thống Hình 9 cho một cái nhìn tổng quan về kiến trúc của hệ thống recommender của chúng tôi, trong đó bao gồm ba phần: lịch sử đại diện vị trí, người sử dụng thăm dò tương tự và vị trí đề nghị. Đầu tiên, dựa trên quỹ đạo GPS cá nhân, chúng tôi xây dựng một đồ thị phân cấp cho mỗi người dùng sử dụng các phương pháp chúng tôi đề xuất trong phần 2.2. Biểu đồ phân cấp này có khả năng mô hình hóa lịch sử vị trí của người sử dụng trên quy mô không gian địa lý khác nhau. Thứ hai, các biểu đồ phân cấp cho hai người sử dụng, chúng tôi có thể để phù hợp với trình tự tương tự như chia sẻ của họ trên mỗi lớp của hệ thống phân cấp và tính toán một số điểm tương đồng với họ. Sau đó, một nhóm người, kêu gọi bạn bè tiềm năng, với số điểm tương đối cao sẽ được lấy ra cho một cá nhân cụ thể. Thứ ba, sử dụng một cơ sở dữ liệu POI, chúng tôi hiểu các pro fi le của một khu vực địa lý không gian bằng cách khám phá các loại POI nằm trong khu vực. Như pro fi les cho phép chúng tôi phát hiện sự giống nhau giữa các vùng địa lý và giới thiệu địa điểm dựa trên các yêu cầu đa dạng của người sử dụng. Đồng thời, với sự giống nhau giữa các địa điểm, chúng tôi có thể