论文部分内容阅读
Web2.0时代的到来,由用户主导生成内容的各种应用随之发展起来,其中最引人注目的是社交网络服务(Social Network Services, SNS)。从国外的Facebook、Twitter到中国的人人网、开心网,SNS己成为用户量最大、传播范围最广、商业价值最高的互联网应用。近年来,随着移动定位设备的普及和基于位置服务的兴起,传统社交网络与定位技术融合产生了一种新型的在线社交媒体——基于地理位置的社交网络(Location Based Social Network, LBSN)。LBSN是位置与社交的结合,支持用户随时随地分享自己的位置信息。在LBSN中,最重要的单位是用户和位置,用户与位置关联产生签到数据。个人的签到数据可以表示个人的历史移动轨迹,大量用户的签到数据可以揭示人类的移动模式和生活规律。签到数据是带有地理信息的社交网络数据,它既可以反映用户的社交网络行为,又可以反映用户的移动行为。同时由于其获取方式简单、成本低,近年来越来越多的学者采用签到数据进行人类移动行为的研究。本文以LBSN中的用户签到数据为研究对象,分别从空间、时间和社交三个方面对用户进行行为分析及预测研究。通过一系列的数据预处理和统计方法,得到了影响用户移动行为的主要因素,并利用这些因素建立了一个位置预测模型。实验结果表明,本文提出的预测模型有效地模拟了用户的移动行为,可以比较准确地预测用户的下一个位置。在此基础上,本文还提出了位置预测系统的设计框架。本文还对LBSN上的群推荐应用进行设计,即通过位置预测确定某一个地理位置范围内的用户群,然后再对该用户群做兴趣聚类及内容推荐,从而实现有效减小网络承载负担和开销的目的。在此框架下,本文提出了一种组合结果的群推荐算法,并结合LBSN数据和MovieLens数据实现了群推荐场景模拟和性能仿真评估,展现了该应用研究的可行性和有效性。最后,在综合理论分析和实验验证的基础上,本文提出了后续改进方向。