面向社交位置大数据的用户潜在兴趣地点挖掘

Uncountable geographical location information, social relationship and user generated content have been recorded from different location-based service(LBS) applications. These records are forming to a social location big data resource which facilitates mining human migrating patterns, analyzing geographic conditions and building smart cities. Location-based Social Network (LBSN), as a typical representative of social location big data, has attracted great attention from researchers. This work takes the location-based networks as the research carriers and focuses on the following elements: users, locations, photos, tags etc. The aims of this work are to propose an approach to mine potential interested locations and build an evaluation framework based on the crowdsourcing. By analyzing the potential association information among the different elements in LBSN, such as implicit tag co-occurrence relationships and the user's home location, we study how to extract the characteristics that are useful for predicting potential places of interest. By analyzing the spatial history of users, the association of users' interest, and the distribution of user geography on the social network, we propose a method based on deep belief networks (DBNs) to predict the potential places of interest. Relying on the crowdsourcing platform, we use the swarm intelligence to evaluate the prediction algorithm, which also provides an evaluation strategy for the model in recommender systems.

随着位置服务和社交网络应用的不断普及，由地理位置数据、社交关系和用户生成内容等所构成的社交位置大数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源，是大数据科学研究极其重要的一部分。作为社交位置大数据的典型代表位置社交网络也就成为了当前研究者们的研究热点。本课题正是以基于位置的社交网络为研究载体，围绕着用户、地点、标签、图片、博文等元素，提出用户潜在兴趣地点挖掘方法和评价框架：通过分析位置社交网络中不同元素之间的潜在关联信息，比如隐式同现标签关系和用户的常驻地理位置，我们研究了如何提取出有利于预测潜在兴趣地点的特征；分析用户空间历史行为、用户兴趣关联、用户地理位在位置社交网络上的分布情况，我们提出基于深信度网络（DNBs）的用户潜在兴趣地点预测算法；依托众包平台，我们借助群体智能来评价兴趣地点预测算法，这也为位置社交网络背景下的推荐系统模型提供评价思路。

随着位置服务和社交网络应用的不断普及，由地理位置数据、社交关系和用户生成内容等所构成的社交位置大数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源，是大数据科学研究极其重要的一部分。作为社交位置大数据的典型代表位置社交网络也就成为了当前研究者们的研究热点。本课题正是以基于位置的社交网络（比如Foursquare数据集、Flickr 数据集、Twitter数据集及Yelp数据集等）为研究载体，围绕着用户、地点、标签、图片、博文等元素，提出用户潜在兴趣地点挖掘方法和评价框架。具体来说，本项目首先分析了位置社交网络中不同元素之间的潜在关联信息，即采用基于异构信息网络的方法挖掘隐式标签同现关系，结合社交关系、以用户为中心的数据以及社交关系强度来预测用户的地理位置信息。然后，本项目利用概率统计方法建模用户的空间特性，用协同过滤方法建模用户的时间特性，进而提出基于时空特性和用户兴趣的用户潜在兴趣地点预测算法。之后，依托众包平台，我们借助群体智能来评价兴趣地点预测算法，这也为位置社交网络背景下的推荐系统模型提供评价思路。最后，本项目探索了基于位置服务的下游应用研究工作，比如基于位置社交网络的餐饮推荐、个性化音乐推荐、推荐系统的攻击性等。. 本项目得出的重要结果如下：1）基于权重路径的异构拓扑特征在预测社交网络中的标签共现关系方面比常用的链接预测方法具有实质性的优势；2）时空因素在用户兴趣地点预测中起到了重要作用；3）平台的时效性、平台工作者的质量控制、平台的易用性、工作者的多样性及平台的成本问题是开展基于众包数据的评价工作时，选取众包平台的重要参考因素。本项目的现实意义在于：一方面，可以帮助商家进行的广告推送和商品营销；另一方面，可以帮助用户在旅行时，发现感兴趣的地点和商家，并获得丰富的旅行体验。