摘要
随着移动应用的广泛使用,运营商的数据不仅能反映用户社交,还能识别用户关系。针对利用社交网络预测用户关系不全面的问题,提出基于社交网络和地理位置的用户关系预测模型。首先,利用用户在区域的分布特征提出一种结合地理和时间的重合度算法进行去燥,其次,结合用户社交网络和地理位置的特征权重赋值,提出基于社交网络和地理位置相似度的用户关系预测模型。实验证明,本文提出的算法能够改善社交网络预测的精度。
引文
[1]De Choudhury M,Mason W a,Hofman J M,et al.Inferring relevant social networks from interpersonal communication[A].in:Proceedings of Proceedings of the 19th international conference on World wide webWWW'10[C].New York,USA:ACM Press:2010:301-310.
[2]Lambiotte R,Blondel V D,Kerchove C,et al.Geographical dispersal of mobile communication networks[J].Physica A:Statistical Mechanics and its Applications,2008,387(21):5317-5325.
[3]Newman,M E,J.Clustering and Preferential attachment in growing networks[J].Physical Review Letters E,2001,64(2):1-4.
[4]Adamic L A,Adar E.Friends and neighbors on the Web[J].Social Networks,2003,25(3):211-230.
[5]Liu Z,Zhang Q-M,Lu L,et al.Link prediction in complex networks:a local nave bayes model[J].Europhysics Letters Association EPL(Europhysics Letters),2011,96(4):48005-48007.
[6]张玉梅.基于动态权重社交属性网的链接预测[D].哈尔滨:哈尔滨工业大学,2015.
[7]Rivera M T,Soderstrom S B,Uzzi B.Dynamics of Dyads in Social Networks:Assortative,Relational,and Proximity Mechanisms[J].Annual Review of Sociology,2010,36(1):91-115.
[8]向峰.基于移动网络数据的用户行为与城市感知研究[D].武汉:华中科技大学,2014.
[9]贾若然,刘曙光,孙启龙.基于位置轨迹数据的用户相似性分析[J].计算机与数字工程,2016,44(8):1523-1527.
[10]李德民.贪两络用户关系分祈与预测[D].青岛:山东大学,2015.
[11]孙建伟,李媛,于波.社交网络中用户关系和地理位置组合服务算法的研究[J].小型微型计算机系统,2016(2):298-302.