Titelaufnahme

Titel
Learning from location histories for location recommendations in LBS / von Haosheng Huang
VerfasserHuang, Haosheng
Begutachter / BegutachterinGartner, Georg
Erschienen2013
UmfangXI, 128 S. : graph. Darst.
HochschulschriftWien, Techn. Univ., Diss., 2013
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (GND)Standortbezogener Dienst / Ort / Sehenswürdigkeit / Benutzerprofil / Information Extraction / Position / Empfehlungssystem
URNurn:nbn:at:at-ubtuw:1-69884 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Learning from location histories for location recommendations in LBS [2.53 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Touristen in einer unbekannten Stadt stehen oft vor dem Problem, aus einer überwältigenden Anzahl von Orten für eine Besichtigung jene auszuwählen, die für sie persönlich von Interesse sind. Die steigende Verbreitung von elektronischen Geräten mit GPS-Unterstützung führt zu einer großen Menge Ortungsdaten, welche die Reiseerfahrungen der Menschen in Bezug zu ihrer Umwelt widerspiegeln können. Untersuchungen haben gezeigt, dass die Erfahrungen von früheren Nutzern (insbesondere ähnlichen Nutzern) in einem ähnlichen Kontext aktuellen Nutzern helfen können, ihre raumbezogenen Probleme effizient zu lösen, z.B. die Frage nach dem nächsten zu besichtigenden Ort. Motiviert durch diese Apekte untersucht diese Arbeit eine Methode, Orts-Empfehlungen aus gesammelten Ortungshistorien in Location Based Services (LBS) abzuleiten. Im Besonderen werden "collaborative filtering"-Methoden zur Ableitung personalisierter und kontextangepasster Orts-Empfehlungen aus Ortungshistorien (z.B. GPS-Trajektorien und aus Flickr-Fotos abgeleitete Trajektorien) untersucht. Diese Methoden können in LBS implementiert werden, um Touristen Orts-Empfehlungen anzubieten, die zu ihren Interessen passen und den jeweiligen Kontext beim Besuch unbekannter Umgebungen (z.B. einer Stadt oder eines Museums) berücksichtigen. Die Erkenntnisse dieser Arbeit können auch auf viele andere Anwendungen umgelegt werden, wie zum Beispiel Freundesempfehlungen in ortsbasierten sozialen Netzwerken, Exponat-Empfehlungen in Museen, Empfehlungen im Einkaufsbereich, Forschungen bezüglich des menschlichen Ortsverhaltens und Aktivitäts-Muster-Erkennung.

Zusammenfassung (Englisch)

When visiting a new city, tourists often need help to identify personally interesting places or locations from a potentially overwhelming set of choices. Recently, the increasing availability of GPS-enabled devices and the rapid advances in geotagged social media have led to the accumulation of a large amount of location histories, which may reflect people-s travel experiences in the environment. Research has shown that experiences from past users (especially similar ones) in similar contexts can help the current users to solve their problems efficiently, e.g., choosing where to visit next. Motivated by the above aspects, this thesis explores a methodology of deriving recommendations from location histories in Location Based Services (LBS). More specifically, we investigate collaborative filtering methods for deriving personalized and context-aware location recommendations from human location histories (e.g., GPS trajectories and trajectories constructed from Flickr photos). These methods can be implemented in LBS to provide tourists with location recommendations matching their interests and context when visiting a new environment (e.g., city or museum). The insights gained in this research can be also transferred to many other applications, such as friend recommendations in location-based social networks, artwork recommendations in museums, recommendations in the shopping domain, human behavior understanding, and activity recognition.