基于Meanshift和K-means聚类的社交网络用户位置特征提取方法和装置

摘要

本发明公开了基于Meanshift和K‑means算法的社交网络用户位置特征提取方法和装置，该方法用于解决在海量的用户签到数据中发现用户签到频次中较高的热点区域，即用户真正感兴趣的位置，本发明的实施流程包括：首先对从Flickr平台收集到的用户签到数据进行分析和预处理，选取一个签到点较为密集且比较典型的区域作为研究区域，而后基于Meanshift方法对某个城市范围的签到数据进行初步聚类，并对筛选出规模较大的簇和过于密集的簇基于K‑means方法进行二次聚类，最后根据分簇结果划分到对应兴趣点(POI)，即完成用户位置特征提取。采用本发明的方法，可以更有效地实现对于LBSNs数据的位置特征提取。