基于移动网络挖掘的多维群体行为模型研究

Quantitatively analyzing human group behavior by mining petabytes of network data represents the tendency in social behavior research and shows great significance on practical engineering as well. However, most of the existing researches focus on mining the Internet information or the contact collections, which lack in physical information such as locations. Therefore, this proposal aims to build a multi-dimensional group behavior model that includes spatiotemporal and human characteristics by analyzing mobile network data. The research covers group behavior sensing, analyzing and predicting. By mining mobile network data, the research will answer the questions: "how to sense group behaviors?", "how human groups evolve?" and "how to predict group behaviors?". The expected results may help to uncover the nature of group behavior in physical world and society, and help people to understand the rules of human community's evolution. The results may also be applicable to instruct decisions in complex events, large systems design, urban plan and etc., which are valuable in both theory and practical applications.

通过分析大量网络数据，定量化地研究人类社会的群体行为模型，既是人类行为模型理论研究的重要发展方向，也有着重要的实际应用价值。而现有研究在"数据源"上仍多以Internet数据或通联信息为主，群体行为在物理时空中表现出的规律尚未得到充分揭示。本课题拟通过对移动网络数据的挖掘，从群体行为感知、行为建模、预测技术三个方面对群体行为模型展开研究，以建立用户在"时、空、人"三个空间上的多维群体社会行为模型。拟解决其中关键的"群体是否存在，如何感知群体行为？"、"如何描述群体演化规律？"以及"如何预测群体行为？"三个问题。拟采用理论分析结合数据实验的方法，本着从定性假设到定量归纳，从理论演绎到评价反馈的技术路线，展开研究。研究工作有助于揭示在多维物理时空中，群体行为的内在机理，加深人们对自身社会行为规律的理解，有助于引导社会重大事件决策和大型工程规划，具有重要的理论前瞻性和实际应用意义。

通过分析大量网络数据，定量化地研究人类社会的群体行为模型，既是人类行为模型理论研究的重要发展方向，也有着重要的实际应用价值。本课题通过对移动网络数据的挖掘，从群体行为感知、行为建模、预测技术三个方面对群体行为模型展开研究，以建立用户在"时、空、人"三个空间上的多维群体社会行为模型。通过课题3年执行期的研究以及前期研究，基本按照既定计划完成研究内容。通过搭建数据平台，采集、管理、分析大量移动用户数据，包括用户的时空信息和通联信息，从而建立多维群体社会模型，为商业智能、城市规划、交通优化等众多行业的跨领域应用提供理论和技术基础。课题研究主要成果包括：.1..对用户通话数据进行建模，建立复杂的用户关系网络，设计实现了一套集数据查询、数据筛选、数据分析以及可视化呈现的系统框架。分析移动网络下用户行为的基本特性。随后，结合地理特性分析了不同区域的时空特征。分析用户的行为模式，预测用户未来潜在的好友关系。回顾和分析当前社交网络关系预测的方法，提出一种新的基于移动通话数据的用户关系预测方法。移动通话能够同时反映物理世界好友关系以及用户移动轨迹的关联性，通过混合这两种特性，提升了预测好友关系的准确率。.2..移动用户多维通联特征分析与识别研究。基于现有的手机通信数据，分析其移动通信网络使用规律，探索他们的通话习惯、短信习惯以及上网习惯，并且根据不同身份的用户行为规律提取特征参数，最后使用混合结构的集成学习的方法对网络用户进行身份进行分类实验，识别出用户的身份。.3..根据用户在地理上的移动特性，提出一种发现城市“间隙”的方法。移动通话能够间接反映出城市的异常，由于人们大多数连续通话时的地理位移都比较小，相邻区域间的人流量相应地应该大于非相邻的区域。然而实证研究发现城市间邻区关系并不能完全满足该特性，通过分析这些邻区间的人流量的异常值可以得到河流、公园以及道路障碍等地理“间隙”。.4..对地理区域进行建模，形成一种新的地理网络。在此基础上，提出基于模块度的社区划分方法来发现城市的行政区域，并且与城市的行政规划进行比较，对新发现的一些区域进行了分析和解释。此外，提出一种基于 LDA 模型的地理信息网络研究方法，该模型借用自然语言处理中的主题模型，可以挖掘出具有相似功能的城市区域。