The rapid growth of location-based

The rapid growth of location-based social networks (LBSNs) invigorates
an increasing number of LBSN users, providing an unprecedented
opportunity to study human mobile behavior from spatial,
temporal, and social aspects. Among these aspects, temporal effects
offer an essential contextual cue for inferring a user’s movement.
Strong temporal cyclic patterns have been observed in user
movement in LBSNs with their correlated spatial and social effects
(i.e., temporal correlations). It is a propitious time to model these
temporal effects (patterns and correlations) on a user’s mobile behavior.
In this paper, we present the first comprehensive study
of temporal effects on LBSNs. We propose a general framework
to exploit and model temporal cyclic patterns and their relationships
with spatial and social data. The experimental results on two
real-world LBSN datasets validate the power of temporal effects in
capturing user mobile behavior, and demonstrate the ability of our
framework to select the most effective location prediction algorithm
under various combinations of prediction models

ผลลัพธ์ (ไทย) 1:

การเติบโตอย่างรวดเร็วของข้อมูลตำแหน่งเครือข่ายทางสังคม (LBSNs) invigoratesการเพิ่มจำนวนผู้ใช้ LBSN ให้เป็นประวัติการณ์โอกาสในการศึกษาพฤติกรรมมนุษย์เคลื่อนที่จากพื้นที่ด้านขมับ และสังคม ในแง่ ผลกระทบชั่วคราวนำเสนอสำคัญบริบทสัญลักษณ์ inferring เคลื่อนไหวของผู้ใช้มีการสังเกตรูปแบบวัฏจักรชั่วคราวแข็งแรงในผู้ใช้การเคลื่อนไหวใน LBSNs ผลพื้นที่ และสังคมของพวกเขา correlated(เช่น ขมับสัมพันธ์) เวลา propitious แบบเหล่านี้ชั่วคราวผล (รูปแบบและความสัมพันธ์) ลักษณะการทำงานมือถือของผู้ใช้ในเอกสารนี้ เรานำเสนอการศึกษาครบวงจรแรกผลชั่วคราวบน LBSNs เราเสนอกรอบทั่วไปการใช้ประโยชน์ และรูปแบบรูปแบบวัฏจักรขมับและความสัมพันธ์ของพวกเขาข้อมูลปริภูมิ และสังคม ผลการทดลองบนสองdatasets LBSN จริงตรวจสอบอำนาจของผลกระทบชั่วคราวในจับผู้ใช้โทรศัพท์มือถือลักษณะ และแสดงให้เห็นถึงความสามารถของเรากรอบการเลือกอัลกอริทึมการคาดเดาตำแหน่งมีประสิทธิภาพสูงสุดภายใต้ชุดต่าง ๆ ของแบบจำลองการคาดการณ์

ผลลัพธ์ (ไทย) 2:

เติบโตอย่างรวดเร็วของสถานที่ที่ใช้เครือข่ายทางสังคม (LBSNs) invigorates
จำนวนที่เพิ่มขึ้นของผู้ใช้ LBSN ให้เป็นประวัติการณ์โอกาสที่จะศึกษาพฤติกรรมของมนุษย์มือถือจากอวกาศชั่วคราวและด้านสังคม ท่ามกลางประเด็นเหล่านี้ผลกระทบชั่วคราวมีคิวบริบทที่จำเป็นสำหรับการอนุมานการเคลื่อนไหวของผู้ใช้. ที่แข็งแกร่งรูปแบบวงจรชั่วขณะได้รับการปฏิบัติในการใช้การเคลื่อนไหวใน LBSNs ที่มีผลกระทบความสัมพันธ์เชิงพื้นที่และสังคมของพวกเขา (เช่นความสัมพันธ์ชั่วคราว) มันเป็นช่วงเวลาที่เป็นมงคลในการจำลองเหล่านี้มีผลกระทบชั่วคราว (รูปแบบและความสัมพันธ์) เกี่ยวกับพฤติกรรมของโทรศัพท์มือถือของผู้ใช้. ในบทความนี้เรานำเสนอการศึกษาครั้งแรกที่ครอบคลุมของผลกระทบชั่วคราวใน LBSNs เรานำเสนอกรอบทั่วไปที่จะใช้ประโยชน์และการจำลองรูปแบบวงจรชั่วและความสัมพันธ์ของพวกเขากับข้อมูลเชิงพื้นที่และสังคม ผลการทดลองทั้งสองโลกแห่งความจริงชุดข้อมูล LBSN ตรวจสอบพลังของผลกระทบชั่วคราวในการจับภาพผู้ใช้โทรศัพท์มือถือพฤติกรรมและแสดงให้เห็นถึงความสามารถของเรากรอบเพื่อเลือกตำแหน่งที่มีประสิทธิภาพมากที่สุดขั้นตอนวิธีการทำนายภายใต้ชุดต่างๆของแบบจำลองการคาดการณ์

ผลลัพธ์ (ไทย) 3:

การเติบโตอย่างรวดเร็วของการใช้เครือข่ายทางสังคม ( lbsns invigorates
) การเพิ่มจำนวนของผู้ใช้ lbsn , การให้โอกาสประวัติการณ์
เพื่อศึกษาพฤติกรรมมนุษย์จากมือถือ
กาลอวกาศ และด้านสังคม ในแง่มุมเหล่านี้ และผล
ให้คิวตามบริบทที่จำเป็นสำหรับการเคลื่อนไหวของผู้ใช้ .
แรงชั่วคราวแบบลวดลายได้พบในผู้ใช้
เคลื่อนไหวใน lbsns กับความสัมพันธ์เชิงพื้นที่และผลกระทบทางสังคม
( เช่น ความสัมพันธ์ชั่วคราว ) มันคือเวลาที่รูปแบบผลชั่วคราวเหล่านี้
( รูปแบบพฤติกรรมและความสัมพันธ์ ) บนโทรศัพท์มือถือของผู้ใช้ .
ในกระดาษนี้เราเสนอแรกที่ครอบคลุมการศึกษา
ผลชั่วคราวใน lbsns . เรานำเสนอทั่วไป
ที่จะใช้ประโยชน์และแบบชั่วคราวเป็นรูปแบบและความสัมพันธ์ของพวกเขา
กับข้อมูลเชิงพื้นที่และสังคม ผลการทดลองสอง
ข้อมูล lbsn จริงตรวจสอบอำนาจชั่วคราวในลักษณะ
จับพฤติกรรมผู้ใช้มือถือ และแสดงให้เห็นถึงความสามารถของกรอบของเรา
เลือกที่มีประสิทธิภาพมากที่สุดสถานที่ใช้ขั้นตอนวิธี
ภายใต้ชุดต่างๆของโมเดลทำนาย