论文部分内容阅读
近年来,在定位技术和通信技术发展的双重推动下,社交网站、应用、媒体的迅速扩散和基于位置的服务的迅速崛起催生了移动社交网络,为社交网络的挖掘提供了新的研究视角和思路。社交网络挖掘既是一个新兴而又热门的研究领域,同时也是多学科交叉的研究领域。用户关系强度挖掘是社交网络挖掘的一个重要研究内容,可以广泛的应用于用户隐私保护、社会化推荐、微博情感分析、网络信息传播研究、舆情监控和研判等领域。本文研究了移动社交网络中的用户关系问题,提出了面向移动社交网络的用户关系强度并行挖掘算法,创新点如下。1.提出了一种基于特征赋权的用户交互强度计算方法UISFW(User Interaction Strength computing algorithm based on Features Weighting),提取蕴含了交互行为和交互模式信息的交互特征计算用户交互强度,并对不同交互特征赋予了不同的权重,体现了不同交互特征对交互强度的影响程度。2.提出了一种用户频繁移动模式并行挖掘算法PAUFMP(a Parallel Algirithm for mining User Frequent Moving Patterns with time-constraints),借助序列模式挖掘方法发现用户频繁移动模式,同时考虑了时间和空间因素,适用于海量时空数据的挖掘。3.提出了一种面向移动社交网络的用户关系强度并行挖掘算法PMAURS(a Parallel Mining Algorithm of User Relationship Strength for mobile social network),结合了移动社交网络中用户交互数据和轨迹数据的特点,从规律性的交互模式和频繁移动模式中挖掘用户关系强度。4.提出了基于用户关系强度的用户分组方法EquiGroup、NormGroup和ExpoGroup,将定性分析和定量分析、离散表示和连续表示两两结合起来,同时体现用户之间的社会关系和亲密程度。通过一系列相关实验表明,本文提出的面向移动社交网络的用户关系强度并行挖掘算法的准确率和排序效果与真实结果有着很高的一致性;同时,用户分组方法能够准确体现不同场景中用户间的社会关系和亲密程度。本文对移动社交网络中用户关系强度挖掘算法的研究真实有效,具有一定价值。