基於位置的社交網路關鍵技術研究

《基於位置的社交網路關鍵技術研究》是依託清華大學，由李國良擔任項目負責人的面上項目。

基本介紹

• 中文名：基於位置的社交網路關鍵技術研究
• 依託單位：清華大學
• 項目負責人：李國良
• 項目類別：面上項目

項目摘要

隨著移動網際網路的發展和智慧型移動設備的普及，基於位置的服務和社交網路得到了廣泛套用。近幾年基於位置的社交網路得到了工業界和學術界的廣泛關注。針對國內外的研究現狀和發展趨勢，本項目研究基於位置的社交網路的關鍵技術問題，以高質量獲取社交網路用戶的位置信息為切入點，設計基於位置的影響力分析模型，提出位置和結構感知的檢索與推薦算法，創建一套完整的基於位置的社交網路數據處理的理論、方法和技術體系。項目具體研究內容包括：(1) 社交網路用戶的位置信息獲取：根據用戶發表的內容、用戶之間的關係以及多個社交網路用戶的關聯信息來挖掘用戶的位置信息；(2) 面向多維度信息的用戶影響力分析：研究面向多維度信息（例如用戶位置、討論話題、多社交網路等）的社交網路用戶影響力分析模型；(3) 位置和結構感知的檢索和推薦：研究利用用戶位置信息和用戶之間關係(結構)來為基於位置的社交網路用戶提供高質量的檢索和個性化推薦服務。

結題摘要

本項目主要研究基於位置的社交網路的關鍵技術問題，在社交網路用戶位置信息提取，基於位置的影響力分析，位置和結構感知的檢索與推薦三個方面取得了突破成果。 具體創新點包括： （ 1） 設計了一種社交網路用戶位置提取方法，根據社交網路用戶發表的文字信息可以抽取出用戶的位置信息，從而可以豐富化社交網路信息，並可以輔助政府安全管理。該方法通過建立基於位置的知識圖譜，通過知識圖譜來發現與位置相關的關鍵字，再通過協同推理來推理用戶的位置信息，準確率超過90%，召回率超過85%。設計了基於眾包的方法來提升基於位置社交網路數據的質量。 （2） 首次提出了基於位置的社交影響力分析，給出了形式化定義，證明了該問題是NP的，然後給出了近似比為1-1/e近似算法，設計了高效索引來提升算法效率，可以進行實時的社交影響力計算。還提出了多社交網路融合方法以及主題感知的影響力分析方法，通過不同維度來分析基於位置的社交網路。 （3） 提出了融合社交、位置、文本的高效檢索方法，並設計了3D索引來加速基於位置的社交網路檢索效率，顯著降低了減速時間。設計了高效的索引結構G-tree來支持基於路網的KNN搜尋以及V-Tree來支持移動物體的搜尋，並可以顯著提升系統的吞吐量。 （4） 研製了一個時空大數據分散式分析系統，可以對軌跡數據和位置數據進行實時分析，並套用到神州專車系統中，可以顯著提升專車派單、導航的效率。 項目期間共發表論文32篇，其中CCF A類論文24篇，還獲得了CIKM 2017最佳論文，APWeb 2014最佳論文獎和DASFAA 2014最佳論文提名獎。