LBSN中基于社交關系和時空主題的社區(qū)發(fā)現(xiàn)研究.pdf

1、近幾年來，隨著互聯(lián)網的迅速普及，在線社交網絡蓬勃發(fā)展，由于其數(shù)據(jù)量大且真實性高，給許多學科、技術的進步創(chuàng)造了契機。社區(qū)發(fā)現(xiàn)就是這樣一種技術，它主要研究社交網絡中復雜用戶關系所反映的用戶聚簇效應。傳統(tǒng)的社區(qū)概念指其內部節(jié)點之間連接相對比較緊密，但是各個社區(qū)之間的連接相對比較稀疏。然而隨著在線社交網絡內容的豐富化，考慮用戶關系的因素越來越多，社區(qū)發(fā)現(xiàn)的目標也越來越多樣。尤其是基于位置的社交網絡的出現(xiàn)，由于其新增的線下簽到具有豐富的信息，給社

2、區(qū)發(fā)現(xiàn)帶來了新的挑戰(zhàn)。
　　針對這個問題，本文從異構網絡的角度研究基于位置的社交網絡中多維度社區(qū)發(fā)現(xiàn)方法。本文旨在發(fā)現(xiàn)的社區(qū)要求同時滿足兩個重要性質:社區(qū)內部用戶交互頻繁且行為模式較為一致，其中行為模式涵蓋了時間、空間和位置偏好三方面。
　　本文在定義LBSN中用戶交互的基礎上提出了一種動態(tài)社交關系的度量方法，且從時間、空間和位置偏好三個角度對用戶的行為模式進行分析以闡述時空主題的概念。然后，綜合社交關系和時空主題構建了一種

3、新型社區(qū)發(fā)現(xiàn)模型來描述網絡數(shù)據(jù)的生成過程，且對其隱變量采樣規(guī)則和參數(shù)更新規(guī)則進行推導，進而得到用于社區(qū)發(fā)現(xiàn)模型參數(shù)估計的吉布斯采樣算法?；谝陨夏Ｐ秃退惴ǎ疚脑O計并實現(xiàn)了基于位置的社交網絡社區(qū)發(fā)現(xiàn)原型系統(tǒng)。
　　本文選取Foursquare作為數(shù)據(jù)源，過濾得到位于紐約的簽到數(shù)據(jù)，作為社區(qū)發(fā)現(xiàn)實驗的真實數(shù)據(jù)基礎。分別對社區(qū)發(fā)現(xiàn)結果中的用戶交互、位置偏好、空間規(guī)律、時間規(guī)律進行呈現(xiàn)并分析，驗證了所提模型能夠較好地滿足社區(qū)內部用戶交互