基于社交网络及地理位置用户关系预测.doc

基于社交网络及地理位置用户关系预测 　　【摘 要】为了解决社交网络用户关系预测的不精确问题，通过采用时空分析方法对移动通信用户的轨迹和通话关系数据进行分析，研究了结合地理和时间的重合度以及基于用户时空特征权重赋值算法，并提出了基于社交网络和地理位置相似度的用户关系预测方案。经过实验证明，提出的算法能够改善社交网络预测的精度 【关键词】社交网络 地理位置 用户关系 相似度 doi：10.3969/j.issn.1006-1010.2017.08.004 中图分类号：TP391.4 文献标志码：A 文章编号：1006-1010（2017）08-0021-03 引用格式：杜翠凤，陈少权. 基于社交网络和地理位置的用户关系预测[J]. 移动通信， 2017，41（8）： 21-23. The Prediction of User Relationship Based on Social Network and Geographic Location DU Cuifeng， CHEN Shaoquan [Abstract] In order to solve the problem of inaccurate prediction of the user relationship in social networks， the trajectory of mobile user and communication relation data were analyzed based on time-space analysis method. The weight assignment algorithm combined with the geographical and temporal consistency and user’s temporal-spatial characteristics was investigated. A prediction scheme on user relationship based on the similarity of the social network and geographical location was proposed. Experiments demonstrate that the proposed algorithm can improve the prediction accuracy of social networks. [Key words]social network geographical location user relationship similarity 1 引言 随着移动应用的发展，以QQ、微信为代表的基于社交网络和位置融合的移动应用已经成为用户在现实世界活动的镜像。用户通过相互通信形成了一种复杂的社会网络，该网络在一定程度上体现了用户的交友偏好、用户之间的关系和用户的行为模式。基于社交网络的用户关系的预测方法成为当今社交网络的一个热点，如：Newman通过用户间的相似度证明了用户共同好友的个数与他们在将来会成为好友的可能性存在正相关的关系[1]；Adamic和Adar通过统计共同好友的情况来分析用户关系，采用Adamic-Adar系数来衡量用户之间社交关系[2]；Lu考虑到用户关系的差异性，提出一种结合用户关系权重的用户关系分析方法[3]。然而上述方法仅仅使用社交网络或者地理位置从单一的角度来挖掘用户之间的关系，没有综合现实世界和虚拟世界两方面的特性来考虑问题，从而导致挖掘出来的用户关系精确度不高。因此，本文考虑现实世界的用户在地理和时间的重合度基础上，引入社交网络和地理位置相似度进行用户社交关系的计算，以提高用户关系预测的精度 2 用户关系的研究 2.1 问题定义 用户关系是用户行为动力学的一个关键性问题，它实质上是通过描述用户之间的紧密程度来确定用户的人际关系，包括血缘、地缘、业缘等关系，因此在用户关系的定义中包括家庭关系、朋友关系、同事关系等。本文将主要关注用户关系中的朋友关系，结合社交网络和地理位置特征的最佳权重赋值，提出基于社交网络和地理位置相似性的预测用户关系预测模型 2.2 用?艄叵翟げ夥椒? （1）共同邻居 以共同邻居来衡量用户的关系起源于社交网络的链接预测。链接预测最常见的方法就是基于节点相似度的算法[4]。在无向网络中，设任意节点u和v，节点u的邻居集合为F（u），节点v的邻居集合为F（v），则u、v的共同邻居为F（u）和F（v）的交集，记为F（u）∩F（v） Adamic和Adar在考虑社交关系的基础上，对上述公式进行改进并提