线上与线下社交网络的重叠性和相互拓展性分析

The rapid growth of Mobile Internet leads to a closer relationship between online social network and offline social network. Recent studies have indicated that online social behavior and offline social behavior both influence each other. Some researchers have been interested in the analysis of the relationship between the two social networks, but their achievements lack of generality due to the limitation of data size and adopted methods. With the former researches on massive user behavior analysis, the applicant discovered the interplay between user mobility and application usage behavior is strong and proposed efficient analytical method for big mobile data in densely populated area. In this project, we aim at quantizing the interplay between online social network and offline social network and investigating network dynamics in the view of massive real-world mobile internet traffic data. Specifically, the online and offline social network are respectively constructed based on online behavior and mobility behavior. The two different networks are grouped into layers of a multilayer social network. Then, the overlap between different layers is quantified and link prediction is conducted with combining information from multiple networks in a multilayer configuration. Thus, it provides new insights into interactions between online and offline social networks and provides valuable applications to social bootstrapping and friend recommendations.

随着移动互联网的飞速发展，线上与线下社交网络的关系越来越密切，研究表明人们的线上与线下社交行为会相互影响。现有研究多局限于少数线上与线下社交网络，且数据规模不足，虽得出了特定条件下的一些有意义的结果，但二者普适性的内在相互作用机制和规律尚未被量化描述。申请人在移动互联网海量用户行为分析方面有长期的研究基础，前期研究发现人的移动行为与手机浏览兴趣有着密切关联，提出了高效分析城市内用户行为数据的方法。本项目使用覆盖城市内百万人口的移动互联网用户真实流量数据，根据用户上网行为构建线上社交网络，根据用户移动信息构建线下社交网络，获得两种网络的结构特性。在此基础上，基于多层网络模型对线上与线下社交网络进行耦合化关联分析，揭示用户线上与线下社交行为的相互作用机制，进而分析两种社交网络的重叠性与相互拓展性。

人们的线上与线下社交行为有着密切的关系，相互重叠并相互影响，但已有研究多局限于少数线上与线下社交网络，且数据规模不足，虽得出了特定条件下的一些有意义的结果，但二者普适性的内在相互作用机制和规律尚未被量化描述。申请人使用覆盖城市内百万人口的移动互联网用户真实流量数据，（1）提出面向海量移动大数据的清洗与去噪模型，去除由采集设备和移动网络引入的数据噪声，构建移动大数据分析平台，实现基于云计算的网络流量大数据存储与计算平台。（2）提出覆盖多业务的用户上网行为识别算法，提出基于规则特征的无监督用户数字身份关联算法，并提出基于深度学习的半监督数字身份关联算法，关联全网用户上网行为；根据用户上网行为构建线上社交网络，进而分析其社交网络指标。（3）对规律与随机用户分别提出基于ITD和马尔科夫方法的复合移动性预测模型；面上用户线上与线下行为提出基于隐马尔可夫的移动性预测模型，基于用户间移动位置和移动轨迹的关系，提出刻画用户线下社交关系的模型。（4）基于多层网络模型对线上与线下社交网络进行耦合化关联分析，从网络拓扑结构、节点邻居关系等维度刻画线上和线下社交网络间的重叠性，提出面向在线购物的用户线上与线下行为关联模型，提出面向城市空间热点特性的用户线上与线下行为关联模型，并提出线上与线下行为融合预测模型，揭示用户线上与线下社交行为的相互作用机制，进而量化度量线上与线下社交网络的重叠性。（5）分析两种社交网络的重叠性与相互拓展性，提取了一系列新颖的特征，移动性特征主要考量了用户活动区域重叠度、共同出行等行为，URL特征考量了用户浏览兴趣以及社会身份的相似性；基于特征分类的链路预测方法，刻画线上与线下社交网络的相互拓展，应用于线上与线下融合推荐系统，结合线上线下信息，提升系统预测准确度。