位置相关的异构社交网络中行为关联与预测研究

Location feature in the new generation location social network has built bridges between the virtual social space and the real behavior space. It could fuse the online relationship with the offline behavior. Over the last few years, this kind of social network becomes increasingly important with progressively wider range of application. However, existing research on social networks still has difficulty describing the structural characteristics of this type of network and the basic theory also cannot analyze its heterogeneous space correlation very well, so some breakthroughs in theory and technology are urgently needed to promote the development of related applications. Based on the existing research of social networks, this project carries out the following four aspects of research: Firstly, we analyze the basic features of user-user relation, user-location relation and spatial-temporal relation in heterogeneous space, and establish the general model on the heterogeneous social network using formal description methods. Secondly, based on the heterogeneous space topology and real checkin data, efficient algorithm is designed to perform calculation of user probability distribution in different communities. Thirdly, data in the behavior space is divided according to the communities, and statistical analysis is conducted on social relation, checkin behavior and their interreaction to obtain the features used in the prediction. Fourthly, based on the community discovery and behavior analysis, we build the behavior spatiotemporal model to predict the repeated behaviors and apply the link prediction method to predict the new behaviors. On the basis of these, the behavior analysis and prediction prototype system will be implemented, which provides theoretical and technical support for user behavior prediction and location based services.

新一代位置相关的社交网络通过位置特征将虚拟社交空间和现实行为空间连接起来，融合了线上关系与线下行为，应用范围及重要性日益凸显。现有社交网络研究成果难以对其结构特征进行刻画、基本理论难以对其异构空间关联关系进行分析，相关应用急需理论和技术突破。本项目以现有社交网络研究成果为基础，进行以下四个方面的研究：分析异构空间中的社交关系、用户位置关系、位置时序关系的基本特征，采用形式化描述方法，构建统一的异构社交网络模型；基于异构空间拓扑和现实签到记录，设计高效算法，计算用户在不同社群上的概率分布；将社群关系投影到行为空间，对用户社交关系、签到行为及两者之间相互作用三个方面进行统计分析，获取用于行为预测的特征；基于社群发现和行为分析，构建行为时空模型对频繁模式行为进行预测，运用链路预测方法对新增模式行为进行预测。在此基础上，实现用户行为分析和预测原型系统，为用户行为预测和位置服务提供理论和技术支撑。

为了深入分析位置相关的社交网络的组成异构性、体系内不同空间的动态特征，不同空间中存在的行为关系。项目充分利用在线虚拟空间社交关系对用户现实行为的影响关联，建立总体模型，设计高效算法，构建可行机制，突破用户现实行为分析与预测的相关理论和关键技术，为基于位置个性化服务和基于用户未来行为的各种应用提供支撑。本项目主要从异构网络结构分析和服务应用两部分内容展开研究。异构网络结构特征研究包括异构社交网络建模、社区检测等两方面内容；异构社交网络服务应用包括信息传播预测、兴趣点推荐、虚假用户评论检测、社交搜索服务等多个方面内容。具体地，针对异构社交网络建模方面，首先使用位置相关的社交网络的开放接口抓取用户的基本位置签到数据、用户推文数据以及好友关系数据。在基于位置的社交网络真实数据基础上，分别从时间、空间和社交关系三方面因素建立异构社交空间网络模型。进而，项目开发了一种具有自主软件著作权的多结构社交网络特定用户观察与分析系统。为了探究异构社交网络的用户内在聚群结构，本项目基于用户的位置签到提出了一种时空位置主题的社区发现方法。针对信息传播预测方面，项目组为了分析异构社交网络的线下位置签到对线上影响力传播影响过程，提出了一种二阶段影响力传播模型。为了刻画移动终端交互环境下的信息传播模式，设计了一种基于PageRank思想的节点传输信息效用值。项目组结合异构社交网络的实际应用，设计并申请了一种基于互联网营销成本的传播效果预测评估技术专利。同时，完成一项专利授权，其描述了一种基于随机森林和用户关系的社交网络用户情感分析方法。针对社交网络兴趣点推荐，项目组围绕异构社交网络的用户新增模式行为，使用元路径特征进行兴趣点位置推荐。考虑到不同兴趣点的种类，针对旅游类兴趣点，提出一种综合用户兴趣、景点位置、时空热度等多特征的景点推荐方法。针对商家被大量用户虚假评论的问题，设计并申请了一种基于多维属性挖掘的虚假评论可疑地点检测技术专利。针对社交网络社交搜索服务方面，项目组为了提高位置相关的异构社交网络内容搜索精度，建立了一种针对异构网络的社交搜索系统。为帮助云数据中心节约社交服务带宽成本，设计了一种动态的超前带宽分配方案。.项目组在CIKM、WWW等国内外学术会议和期刊上发表13篇论文。申请国家技术发明专利2项，软件著作权1项，授权国家专利1项，培养了25位硕士毕业生，达到了预期目标。