基于位置的社交網(wǎng)絡(luò)鏈接預(yù)測系統(tǒng)研究.pdf

1、基于位置的社交網(wǎng)絡(luò)(location-based social network，LBSN)提供了用戶的在線網(wǎng)絡(luò)關(guān)系和簽到(check-in)的空間時間等多重信息，連接了虛擬網(wǎng)絡(luò)和現(xiàn)實(shí)生活，不僅豐富了人們的網(wǎng)絡(luò)生活，也為數(shù)據(jù)挖掘和移動互聯(lián)網(wǎng)等領(lǐng)域提供了新的研究方向。LBSN的好友關(guān)系預(yù)測作為其中的一方面，通常考察網(wǎng)絡(luò)結(jié)構(gòu)和空間位置維度的信息，預(yù)測特征分析較單一。此外，LBSN具有網(wǎng)絡(luò)結(jié)構(gòu)稀疏、預(yù)測空間大等特點(diǎn)，也對系統(tǒng)預(yù)測性能提出了挑戰(zhàn)。

2、本文針對以上問題，在傳統(tǒng)的基于用戶相似性的鏈接預(yù)測方法基礎(chǔ)上，提出新的LBSN鏈接預(yù)測系統(tǒng)框架，Brightkite和Gowalla網(wǎng)絡(luò)數(shù)據(jù)仿真結(jié)果表明該系統(tǒng)具有良好的預(yù)測效果。本文的主要工作和貢獻(xiàn)包括:
　　1.采用典型的基于位置的社交網(wǎng)絡(luò)Brightkite和Gowalla數(shù)據(jù)集，挖掘LBSN網(wǎng)絡(luò)結(jié)構(gòu)和用戶簽到行為特征。分析表明用戶簽到次數(shù)、地點(diǎn)數(shù)以及簽到地點(diǎn)的訪問人數(shù)、訪問量均呈長尾分布，同時發(fā)現(xiàn)部分相對孤立的用戶和地點(diǎn)，需

3、要對數(shù)據(jù)進(jìn)一步處理。
　　2.去除地點(diǎn)關(guān)系網(wǎng)絡(luò)(the Co-location Network)中的孤立點(diǎn)，解決“僵尸”用戶問題，避免采用朋友-地點(diǎn)關(guān)系(the Co-located Friends Network)網(wǎng)絡(luò)造成保留的用戶過少。
　　3.采用Louvain算法對網(wǎng)絡(luò)進(jìn)行社區(qū)劃分，在減小預(yù)測空間和計算時間的同時提高鏈接預(yù)測平均準(zhǔn)確率。
　　4.從網(wǎng)絡(luò)結(jié)構(gòu)和用戶簽到行為多方面挖掘用戶相似性，提出兩類基于簽到時間