TexTraClus: A Spatio-textual Sub-trajectory Clustering Framework

Abstract

Mengden romlig og tekstuell data generert av Big Data-platformer vokser stadig raskere. Å forstå bruksmønster og identifisere nye trender blir viktigere for både markedsføring, politikk og sosialt samhold. Utfordringene øker for eksisterende datautvinningsmetoder når en skal ekstrahere kunnskap fra store rom-tekstlige datasett, og å kombinere eksisterende metoder blir viktig for å effektivt holde tritt med teknologisk utvikling. Dette arbeidet støtter seg på etablerte akademiske metoder på tvers av fagområder innen Big Data Mining for å effektivt identifisere rom-tekstlige bane-trender i store datamengder.

The amount of spatial and textual data generated by modern Big Data platforms is growing rapidly. Understanding frequent patterns and identifying new trends becomes more important for marketing, politics and social cohabitation. Challenges are increasing for existing Data Mining methods when attempting to extract knowledge from large spatio-textual data sets, and combining existing methods is increasingly important to keep up with the current rate of technological evolution. This thesis is supported by well established academic methods across disciplines within Big Data Mining to efficiently identify spatio-textual trajectory trends in large data sets.