基于大数据相似度模型的用户网络位置定位识别研究
蔡劲松
安徽新闻出版职业技术学院机电信息系,安徽 合肥 230601
摘要：针对现有网络用户位置定位存在的召回率低、响应时间长等问题,提出一种基于大数据相似度模型的定位识别方法.采集并标准化处理基站信号、用户轨迹等多源用户的网络数据,提取多维度特征——时空特征、行为特征与网络特征,基于注意力机制赋予不同维度特征不同的权重系数,构建大数据相似度模型.基于Frechet相似度度量方法、EMD相似度度量方法与余弦相似度度量方法计算时空特征、行为特征与网络特征的相似度,联合注意力权重系数,通过加权求和方式获得综合相似度,并实现对用户网络位置的精确定位识别.实验结果显示:该方法的用户网络位置定位识别最优精度达到99％,用户网络位置定位识别响应时间最小值为0.08 s.
关键词：用户IP位置网络行为数据收集与处理定位识别大数据相似度模型定位误差
分类号：TP393.09(计算技术、计算机技术)
资助基金：安徽省自然科学项目(2024AH050628)
论文发表日期：2025-12-30
在线出版日期：2026-01-17（本平台首次上网日期，不代表文献的发表时间）
页数：7( 64-70 )
英文信息