位置社交网络中基于用户移动轨迹模式的推荐算法研究

As a new social platform, Location Based Social Network (LBSN) has been created for easy communication and sharing, however, with the increasing number of users this platform is facing the serious information overload challenge. Hence, how to utilize the recommendation technology, which can filter information effectively, to solve this contradiction between information supply and demand has attracted lots of attentions, and in LBSN this problem becomes a very hot and challenging research topic. Although at present many research results can alleviate this information overload problem to some extent, most of these existing methods do not deeply consider the user living habits and daily behavior patterns by mining the moving trajectories, especially in social network scenarios. According to the above disadvantages, this project focuses on three studies to provide higher quality recommendation service, they are, location awareness, trajectory pattern discovery and trajectory based social recommendation. The features of this project are as follows: by mining multi-dimension social media to implement fine grain and dynamic location prediction, the new method can avoid the limitedness of static method and can provide assurance for generating moving trajectory and patterns. Research on the mechanism that can fuse trajectory patterns and social relationships together to further improve the recommendation quality.

位置社交网络作为一种新型的社交平台，在方便人们交流和共享信息的同时，也因为用户数量的不断增加，而面临着严重的信息过载问题。因此，如何利用能对信息进行有效过滤的推荐算法来解决这一信息供需矛盾受到了研究者们的广泛关注，成为位置社交网络中具有挑战性的研究课题。目前已有研究成果虽然在一定程度上缓解了信息过载问题，但仍然对能反映用户生活习惯和日常行为的移动轨迹考虑不足，特别是在社交网络的环境下研究基于移动轨迹模式的推荐算法还存在很多空白。本项目从位置感知、移动轨迹模式发现，以及在此基础上的推荐算法的设计三个方面展开研究，旨在通过对用户移动轨迹的深入理解，为用户提供更优质的推荐服务。项目特色在于：把多维社会媒体信息应用在实时位置感知算法中，有效地避免了静态位置感知算法的局限性，为用户移动轨迹的生成提供保证；研究了将轨迹模式和社会关系信息融合在一起的机制，通过深入挖掘移动轨迹模式进一步提高推荐的准确率。

位置社交网络是人们出行和交流的一种重要社交平台，它在实现社交功能的同时，还实现了位置信息在虚拟网络世界的共享与传播。但由于海量用户与信息的存在，使得信息供需矛盾越来越严重。为了解决上述问题，本项目在分析位置社交网络特点的基础上，从以下四个方面展开研究：1）研究了对位置数据进行建模的方法。在考虑用户移动轨迹的基础上，建模用户的位置信息，并在相应的推荐算法中进行验证。2）研究了对用户行为进行建模的方法。建模用户的行为轨迹是挖掘用户行为模式的重要基础，同时也是进一步了解用户兴趣，提高推荐准确率的主要方法。这一部分，我们主要研究了如何建模用户的行为序列，以便更好地发现用户兴趣和提高推荐算法的准确率。3）研究了基于用户行为模式的推荐算法。在位置社交网络中，用户的行为模式是表达他们兴趣偏好的一种重要方式，这一部分主要研究如何建模用户行为的基础上，进一步设计出符合不同情境需求的推荐算法，如流数据和群组推荐场景。. 本项目所研究的信息推荐算法，在理论和应用层面都具有重大的意义和价值。在理论方面，可以进一步完善位置社交网络中的地理位置建模，社会关系建模，及基于用户行为的流数据和群组推荐算法，成为相关工作的重要参考，因此具有重要的科学研究意义。在应用方面，本项目的研究成果可以广泛地应用于智能交通、旅游路线规划、移动互联网服务等多个领域，具有重要的应用前景。