1.选题的目的和意义：

互联网的高速发展使物联网成为趋势，用户作为其中一环，在时空条件下产生的行为语义能否有所用，能否把完全基于线上的推荐算法转化为线下时空行为的精准推测，是亟待解决的问题。未来是开放和分享的，一方面，知识资源是海量的，另一方面，广大用户产生数据也是海量的。在融合发展的环境下，知识产品要想有所作为，就要抓住机遇，迎接挑战，扬长避短，积极利用起双向数据的匹配，提升自己的核心竞争力。综上所述，研究知识资源面临的生存现状，探究其寻求发展的路径，有着重要的现实意义。

2.国内外研究现状（文献综述）：

随着4G或更高的技术的迅速发展和手持智能终端的普及，访问移动互联网的用户与日俱增。越来越多的用户选择使用移动终端来完成购物、支付、查询、娱乐等以往需要通过PC端来完成的日常生活需求。移动设备已经成为人类必不可少的设备。海量带有用户时空属性的数据被生成。理解这些数据表达的语义信息对推测用户需求,分析用户偏好,进而提供精准时空推荐和预测服务具有重要作用。因此,近些年来,时空数据语义理解正成为时空数据挖掘领域的研究热点。

而伴随移动互联网的高速发展和新业务形态的重塑与再造，知识和技能的“共享经济”开始打破机构、资质的限制，呈现出旺盛的生命力。一对一见面O2O模式的“在行”、知识大V代言的付费语音问答产品“分答”、罗辑思维团队出品的知识服务产品“得到”以及推出付费音频订阅的“喜马拉雅FM”，以付费问答与订阅模式的付费知识平台纷纷涌现。如何准确的抓取用户的喜好，把握其痛点的文章较多，也有讨论影响用户为知识付费因素及未来发展趋势。

综合起来主要是分两个方面对时空行为特征和知识资源推荐进行了论述。

一、对时空数据语义发掘进行研究

技术层面上,依据语义理解的不同任务,提出了时空数据语义理解的研究框架;并依次从地理位置语义理解、用户行为语义理解、热点事件语义理解三个主要任务,归纳了时空数据语义理解所包含的相关研究成果和关键技术。应用层面上,分别总结了时空数据语义理解在时空推荐和时空预测中的应用。最后,从数据质量、算法模型和计算模式3个方面,归纳了时空数据语义理解面临的主要挑战以及未来的研究方向。