位置敏感的移动社交关系预测与圈子识别方法研究

With the emergence of mobile social network, the real-time context-change awareness and spatiotemporal property of data of this service establish a new research subject that should be explored. This subject encompasses in-depth analysis of travel patterns of mobile device users, the recognition and prediction of friend relationships between the users of mobile social network and the social ties, and the revelation of the intrinsic structure and characteristics of mobile social networking. The research can be applied to many geolocation based systems such as friend recommendation, targeted advertising and user activities prediction etc. Built on the mining of extensive data, our project constructs the model of user behaviors and implements searching techniques relying on motion trajectories user similarity and its assessment index, provides friend recommendation through the study of context-sensitive relationship prediction and a means of discovering relationship intensity that considers several features, and analyze and examine communities in mobile social networks and realize auto internal circles detection via taking multiple factors such as links in social network, geolocation, trajectories and other attributes into account. With regard to the preceding issues, we design the algorithms and develop a software package that is of high space and time efficiency, multi-features considered, no manual effort needed, and has excellent scalability and robustness properties. We make it possible to apply this framework to various servieces and systems of geolocation based social networks.

随着移动社交网络的兴起，由于其情境感知的实时连续性和数据的时空性，使得深入分析移动用户的活动规律，预测和识别移动社交关系及强度，揭示移动社交网络的内在结构和性质，已经成为一项亟待解决的研究课题。该项研究的成果能够广泛应用于好友推荐、产品定向广告、用户活动预测等基于地理位置的服务系统中。本项目采用海量数据挖掘技术，通过深入分析用户移动社交关系数据中潜在的规律和模式，建立用户行为模型，实现基于移动轨迹的用户相似度评价指标和相似性搜索技术；通过研究位置敏感的移动社交关系预测和融合多特征的关系强度识别方法，实现移动社交网络中的好友推荐；通过融合社交链接关系、地理位置、轨迹、属性等多维度信息，分析和检测移动社交网络中的社交圈子，实现内在群组结构的自动识别。针对以上问题设计开发时间与空间效率高、多特征融合、无需用户干预、可伸缩性强、鲁棒性好的算法软件包，使其能广泛应用于各种基于位置的社交和服务系统中。

随着移动社交网络的兴起，移动社交系统成为人类沟通真实物理空间和虚拟网络空间的桥梁。它采用具有环境感知能力的智能移动终端设备，能够采集用户地理位置、时间、活动轨迹、状态、周边环境等诸多信息。大量的研究表明：人类的活动轨迹具有显著的空间和时间规律性。虽然每个用户的行程距离和轨迹都存在一定的特异性，但人类的活动却遵循简单的重复模式。深入分析用户的移动行为和规律,识别和预测用户之间可能存在的社交关系及强度,探索移动社交网络的内在结构和性质具有深远的科学价值。.本项目“位置敏感的移动社交关系预测与圈子识别方法研究”就是基于移动轨迹进行用户相似性度量、搜索和聚类检测，此外还进行了移动社交网络的挖掘算法的研究并基于移动社交网络进行了链接关系预测、关系强度识别。在本项目组的不懈探索下，至项目结题之时，该研究已取得了丰硕的成果，包括多篇学术论文，专利若干。通过深入分析用户移动规律和内在模式，我们已可以实现基于用户移动轨迹的相似性度量；通过研究基于社交链接关系和用户活动轨迹的聚类，分析和发现用户所在的社交圈子，实现了移动社交网络内在结构的识别。.研究成果对于识别移动链接用户间的关系和强度、监控和预测移动用户的行为、揭示移动社交网络的内在拓扑结构、理解其功能特性等均有十分重要的理论意义。此外，该研究成果所带来的潜在应用价值不胜枚举，例如城市规划、理解人类迁移模型、疾病的发现。而且能为朋友推荐、产品定向广告、旅游线路推荐、疾病蔓延预测、交通拥塞预测、城市计算等服务提供有力的支撑。另外还可以开发基于位置的交友、 信息推荐、智能线路导航等基于地理位置服务系统。本项目的研究具有深刻的理论意义，丰富的实用价值和广阔的应用前景。