基于手機(jī)網(wǎng)絡(luò)數(shù)據(jù)挖掘的用戶社交移動(dòng)行為模式分析.pdf

1、移動(dòng)通信技術(shù)的飛速發(fā)展以及無線通信設(shè)備的普及給人們的日常生活帶來了極大的便利，也給人類的工作生活方式、移動(dòng)社交模式帶來極大影響。無線通信設(shè)備所采集的海量電子行為軌跡，能夠用于挖掘用戶行為模式，促進(jìn)了大數(shù)據(jù)技術(shù)和智能城市研究的發(fā)展。對(duì)用戶個(gè)體日常習(xí)慣以及行為偏好的挖掘研究，不但能夠從用戶的角度通過個(gè)性化推薦技術(shù)改善人類生活質(zhì)量，而且能夠從營(yíng)運(yùn)商的角度，規(guī)劃目標(biāo)客戶，提高運(yùn)營(yíng)服務(wù)質(zhì)量。另一方面，從用戶群體的角度，對(duì)移動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)動(dòng)力學(xué)、

2、影響網(wǎng)絡(luò)間信息交流因素的研究能夠服務(wù)于大數(shù)據(jù)時(shí)代下智能城市規(guī)劃與建設(shè)?；诖?，本文以移動(dòng)手機(jī)連接基站自動(dòng)生成的通話詳情清單數(shù)據(jù)為研究對(duì)象，從個(gè)體用戶的微觀層面，分析移動(dòng)用戶的社交行為和移動(dòng)行為，并提取用戶的行為模式、挖掘移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)特征。
　　本文的主要研究?jī)?nèi)容和創(chuàng)新之處如下：
　?。?）從微觀水平挖掘用戶社交行為模式，并量化了個(gè)體用戶社交策略。
　　在基于用戶社交策略模式的社交行為前期研究中，因?yàn)槿狈?duì)個(gè)體的社交策略

3、的量化，所以只能從全體權(quán)或分組權(quán)的角度感知用戶社交行為差異，使得個(gè)體社交行為的具體特征無法被感知，而個(gè)體之間的行為細(xì)節(jié)無法相互比較。在本文的實(shí)證研究中，發(fā)現(xiàn)個(gè)體的社交網(wǎng)絡(luò)權(quán)重分布服從廣義極值分布，從而將個(gè)體的行為特征壓縮于分布參數(shù)中，通過分布參數(shù)中的形狀參數(shù)量化個(gè)體的社交策略，并建立了有效的數(shù)據(jù)模型，很好地揭示了人們的社交策略的規(guī)律。
　?。?）發(fā)現(xiàn)了人類社交行為模式中“漸進(jìn)不變模式”。
　　無線通信設(shè)備是否會(huì)改變?nèi)祟惿缃恍?/p>

4、為模式？圍繞這個(gè)問題，前期文獻(xiàn)存在三種演變模式：“弱關(guān)系模式”、“強(qiáng)關(guān)系模式”和“不變模式”?；诒疚慕⒌臄?shù)據(jù)模型，從個(gè)體層面出發(fā)探索、量化和分析了用戶社交策略，實(shí)證結(jié)果發(fā)現(xiàn)了新的“漸進(jìn)不變模式”，其主要特征是存在一個(gè)扮演著吸引子典型策略（可視為群體社交行為的“固有策略模式”），即該策略角色的會(huì)對(duì)偏離自己的其他策略產(chǎn)生吸引，使之隨著用戶社會(huì)鏈接度的增加向自己靠攏。在漸進(jìn)不變模式的的框架下，以上三種有爭(zhēng)議演變模式和諧地統(tǒng)一在一起，而不是

5、相互排斥。
　　（3）分析用戶的移動(dòng)行為模式。
　　用戶的移動(dòng)行為模式前期的統(tǒng)計(jì)研究是從用戶的移動(dòng)步長(zhǎng)或是回轉(zhuǎn)半徑等的角度來分析用戶特征，然而用戶在不同地理區(qū)域逗留時(shí)間的規(guī)律研究存在空缺。本文發(fā)現(xiàn)個(gè)體在不同基站的累計(jì)通話時(shí)長(zhǎng)也服從廣義極值分布，并且表現(xiàn)出強(qiáng)烈的偏好于強(qiáng)鏈接基站的特征。基于此發(fā)現(xiàn)并利用二八效應(yīng)，本文將個(gè)體訪問過的地點(diǎn)劃分為兩類：強(qiáng)鏈接基站代表用戶的日常移動(dòng)行為，而弱鏈接基站則代表偶然訪問行為。我們重點(diǎn)研究了用戶

6、移動(dòng)范圍，發(fā)現(xiàn)日常移動(dòng)行為模式和偶然移動(dòng)行為模式有很大差別，例如，超過50％用戶的日常移動(dòng)不超過3公里，而他們的偶然訪問范圍要大得多。
　?。?）使用社交關(guān)系改善對(duì)移動(dòng)行為的預(yù)測(cè)。
　　利用社交關(guān)系改善對(duì)移動(dòng)行為的預(yù)測(cè)的基本思路是比較用戶和其朋友之間移動(dòng)軌跡的相似程度。本文模型加入了對(duì)不同屬性的位置的吸引力的判斷，比較了用戶和朋友群體之間的相互影響作用，建立了兩個(gè)位置預(yù)測(cè)模型。其中，組合概率位置預(yù)報(bào)模型在原始的MFM位置預(yù)測(cè)

7、模型的基礎(chǔ)上，加入了朋友群體的位置信息。對(duì)于符合條件的123個(gè)用戶，該模型的預(yù)測(cè)性能能夠提高2.6%到12.9%。而分類決策樹位置預(yù)報(bào)模型將預(yù)測(cè)問題轉(zhuǎn)換成為一個(gè)分類樹問題。其輸入變量為當(dāng)前時(shí)段的用戶位置和用戶多數(shù)朋友聚集的位置，輸出的類型變量選為為用戶下一時(shí)刻的訪問位置。而當(dāng)選擇將朋友群劃分為超過4個(gè)簇類時(shí)，模型平均的預(yù)測(cè)精確度提高了4.91%。
　　本文圍繞著用戶的社交和移動(dòng)行為，通過數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)統(tǒng)計(jì)等，對(duì)用戶的個(gè)體