ارائه روشی برای استخراج الگوهای پر بازدید در خطوط سیر بر اساس توالی فعالیت های کاربران

در سال‌های اخیر فراگیر شدن استفاده از ابزارهای ثبت موقعیت مکانی، امکان تولید خطوط ‌سیر هندسی با استفاده از مسیرهای حرکت کاربران را فراهم ساخته است. بدین ترتیب می توان علاوه بر هندسه و شکل مسیر، هدف کاربران از انجام سفر و فعالیت های مرتبط با آن را مورد توجه قرار داد. در این راستا خط ‌سیر فعالیت کاربر که بیانگر توالی فعالیت‌های بازدید شده می باشد، در سال های اخیر مورد توجه بسیاری از محققین بوده است. از جمله مهمترین موضوعات مرتبط را می توان شناسایی الگوهای پرتکرار کاربر به منظور پیش‌بینی فعالیت بعدی ذکر کرد. عمده مطالعات پیشین تنها با تمرکز بر داده‌های یک کاربر است که این دسته از مطالعات، الگوهای پرتکرار ارائه شده فعالیت های قبلی را در نظر نمی گیرند. برای این منظور در این مقاله روشی پیشنهاد شده است تا پس از کدگذاری فعالیت ها و تشکیل ماتریس توالی آن ها، الگوهای پرتکرار را با استفاده از خطوط ‌سیر تمام کاربران و در نظر گرفتن فعالیت های قبلی شناسایی نماید. همچنین روش پیشنهادی، قابلیت شناسایی الگوهای پرتکرار را برای مبدا، مقصد و یا یک فعالیت پربازدید ارائه می‌نماید. پس از پیاده سازی بر روی داده های اخذ شده از تعداد 106 کاربر در دانشگاه ام آی تی، نتایج روش پیشنهادی با دو روش بر مبنای ساختار درختی مورد مقایسه قرار گرفت. نتایج بیانگر میانگین 60 درصدی کاهش زمان محاسبات برای تشکیل پایگاه داده مرتبط و افزایش 17.50 درصدی در پیش بینی صحیح می‌باشد.

A Framework for Exploring the Frequent Patterns based on Activities Sequence

In recent years, the development of the use of locationbased tools has made it possible to produce geometric trajectories from the user's movement paths. In this way, users' goal of traveling and related activities can be considered in addition to the geometry and route shape. the user activity trajectory represents the sequence of the visited activities and its related analysis as presented in many studies. In the meantime, the most important analysis is the identification of frequent patterns to predict future activities. In previous studies, only one user rsquo;s data was used, as well as previous activities of the user were not taken into account in presented frequent patterns. For this purpose, this paper presents a framework such as After encoding the activities and forming a sequence matrix, the frequent patterns using all users' trajectories are identified considering previous activities. The proposed method also offers the ability to identify frequent patterns for the origin, destination, or interesting activity. The results of comparing the proposed method with two methods based on tree structure represent a mean of 60% reduction in computing time to form the database.