含地理位置信息的社交媒體挖掘及應(yīng)用.pdf

1、近年來，隨著移動互聯(lián)網(wǎng)技術(shù)的發(fā)展和智能移動終端的普及，人們越來越習(xí)慣于通過智能移動終端上的應(yīng)用隨時隨地獲取或分享信息。在用于信息獲取和分享的移動應(yīng)用中，基于用戶地理位置的服務(wù)已成為主流。人們在使用此類應(yīng)用的過程中，產(chǎn)生了海量的含有地理位置信息的社交媒體數(shù)據(jù)，并且此類數(shù)據(jù)的規(guī)模呈爆炸性增長。這一類新型的海量媒體數(shù)據(jù)的出現(xiàn)，為許多研究領(lǐng)域帶來了新的機遇和挑戰(zhàn)，吸引了研究人員的興趣和廣泛關(guān)注。
　　與傳統(tǒng)的媒體數(shù)據(jù)相比，含地理位置信息的

2、社交媒體數(shù)據(jù)具有獨特性質(zhì)，主要表現(xiàn)在以下三個方面:異構(gòu)的地理信息表達和組成方式;強調(diào)移動性、時效性和交互性;包含空間、時間、社交等豐富上下文信息和多模態(tài)媒體內(nèi)容。本論文針對含地理位置信息的社交媒體的上述三個特性所帶來的科學(xué)問題，研究此類媒體的挖掘和推薦算法，包括:異構(gòu)地理信息社交媒體融合挖掘算法;面向移動應(yīng)用的高效在線推薦算法;以及融合多種上下文信息的個性化推薦算法。
　　論文的主要研究工作和創(chuàng)新成果如下:
　　1.提出了一

3、種異構(gòu)地理信息社交媒體融合挖掘算法以及基于二部圖結(jié)構(gòu)的重排序算法。
　　論文針對點評網(wǎng)站等基于地理位置的服務(wù)中，結(jié)構(gòu)化數(shù)據(jù)缺乏語義信息而難以應(yīng)對特定信息需求的問題，提出了結(jié)構(gòu)化和非結(jié)構(gòu)化社交媒體數(shù)據(jù)的融合挖掘算法，用來對結(jié)構(gòu)化數(shù)據(jù)的語義信息進行補充。在此基礎(chǔ)上，又提出了一種基于二部圖的排序算法對基于地理位置的服務(wù)中的商戶進行重排序。實驗結(jié)果表明:與僅使用點評網(wǎng)站中結(jié)構(gòu)化信息的挖掘算法相比，論文所提出的融合挖掘算法的平均準(zhǔn)確率均值相

4、對提升了73％;相比于僅使用點評網(wǎng)站中結(jié)構(gòu)信息的排序算法，以及僅使用商戶在點評網(wǎng)站中原始評分的排序算法，論文提出的基于二部圖結(jié)構(gòu)并融合多種因素對商戶進行重排序的算法更能滿足用戶的特定信息需求。
　　2.提出了一種面向移動應(yīng)用的高效在線推薦算法。
　　論文針對移動應(yīng)用場景中的在線地點推薦問題，提出了一種基于前綴樹結(jié)構(gòu)的可變記憶馬爾科夫模型。論文所提出的算法從用戶的歷史地點序列中挖掘頻繁序列模式，并以此構(gòu)建前綴樹結(jié)構(gòu)，從而能夠根

5、據(jù)用戶當(dāng)前的地點高效地向用戶推薦下一個地點，并根據(jù)用戶的反饋動態(tài)調(diào)整模型。對于長度為l的地點序列，論文所提出的算法相比于傳統(tǒng)的可變記憶馬爾科夫模型:概率后綴樹算法，將時間復(fù)雜度從O(Dl)降低至O(l)，因此可以滿足推薦的實時性要求。在提升算法效率的同時，實驗結(jié)果表明，論文所提出的帶有平滑模型的可變記憶馬爾科夫模型能獲得更高的推薦準(zhǔn)確率。與固定階數(shù)馬爾科夫模型所能取得的最好結(jié)果相比，論文所提出的算法的平均準(zhǔn)確率均值相對提升了69％;與概

6、率后綴樹算法相比，論文所提出的算法的平均準(zhǔn)確率均值相對提升了36％。此外，論文所提出的在線地點推薦算法僅依賴于用戶當(dāng)前地點信息，所以該算法能夠以很少的代價嵌入現(xiàn)有的各類基于地理位置服務(wù)的移動應(yīng)用中。另外如果將“地點”的概念進行推廣，該算法可以應(yīng)用于地點推薦以外的其它問題，例如網(wǎng)頁中用戶點擊行為預(yù)測、搜索引擎查詢詞推薦等。
　　3.提出了一種融合多種上下文信息的個性化推薦算法。
　　論文針對照片分享網(wǎng)站中海量社交媒體數(shù)據(jù)及其包

7、含的豐富上下文信息，研究個性化的地點推薦算法。論文所提出的算法首先充分挖掘了照片分享網(wǎng)站中各種上下文信息，包括GPS位置信息、照片拍攝時間、用戶信息、文本信息、照片視覺信息。在此基礎(chǔ)上，該算法從多個方面計算地點與用戶興趣的匹配程度，并把融合多種上下文信息進行個性化推薦的問題建模為排序?qū)W習(xí)的問題，從而融合多種地點與用戶興趣度評分進行個性化的地點推薦。實驗結(jié)果表明，論文所提出的算法能有效提高推薦的準(zhǔn)確率，特別是在用戶的歷史信息比較稀少的情況