Algoritmos y técnicas en la Minería de Datos provenientes de la Geolocalización, una aplicación a la obtención de patrones en trayectorias

Abstract

RESUMEN: En la actualidad, numerosos dispositivos electrónicos de uso cotidiano recogen enormes cantidades de datos sobre la geolocalización de sus portadores de forma constante. Dichas fuentes de información poseen un gran potencial para descubrir tendencias y costumbres en la vida de los usuarios. El presente trabajo nace de los objetivos de estudiar el estado del arte de la minería de datos en este dominio y, posteriormente, obtener patrones a partir de registros de localización, empleando en el proceso algún modelo estadístico. Con este fin, se desarrolla una metodología de preprocesado de este tipo de datos en la que se reduce su elevada dimensión y se identifican los lugares visitados más relevantes. A continuación, se aplican varios modelos gráficos probabilísticos con los que efectuar el aprendizaje del comportamiento observado en los datos. Por último se evalúan los modelos construidos desde varias perspectivas para entender su alcance en distintos tipos de tareas.

ABSTRACT: Nowadays several electronic devices, that are used everyday, collect huge amounts of geolocation data of their users. Those sources of information have a great potential to discover trends and routines from the users' lives. This project arises out of the goals of studying the data mining state-ofthe-art in this field and recognizing through a statistical model the patterns from location records afterwards. To this aim, we design a preprocessing framework for this kind of data, which reduces its size and identifies the most relevant visited places. Next, we apply multiple probabilistic graphical models to execute the behavior learning task on the observed data. Finally, the implemented models are tested from different perspectives in order to understand how capable are at different tasks.