《大数据分析与应用》教学课件 第六章 基于位置的社交网络好友推荐算法研究.pptxVIP

;第6章 基于位置的社交网络好友;6.1.1 研究背景;中国互联网信息中心发布的《2015年第35次中国互联网络发展状况统计报告》和《2014年中国社交类应用用户行为研究报告》联合显示，截止2014年12月，中国的网民规模已达亿人。在各类社交类应用中，社交网站（狭义的“社交网站”概念，即与Facebook形态和功能类似，基于用户线下社交关系而诞生的用户沟通交流平台，如人人网、豆瓣网、朋友圈等）用户人数占整个网民数的61.7%，如图6-1所示。如果将基于用户关系的信息分享、传播和获取的微博客平台???统计到其中，该覆盖率还会有所提高。;如图6-2所示，从用户使用社交网站的频率来看，有57.9%的用户每天都会使用社交网站，另外有20%的用户每周都会访问2次及以上。可见社交网站在中国网民整体规模中，已有较高的覆盖率，且用户的黏性较高。;同时，《2014年中国社交类应用用户行为研究报告》针对社交网站用户的社交行为进行了统计。如图6-3所示，71.2%的用户会使用社交网站上传照片、67.9%的用户会发布或更新状态、67.7%的用户会发布日志或评论、57.6%的用户会与好友进行即时聊天。由这些统计数据我们可以看出，用户使用社交网络最广泛的功能主要集中发生在好友之间的分享生活经历、交友互动等功能中。所以，帮助用户在大量的陌生人信息中有效地找到潜在的好友，维持并不断拓展用户的好友规模，绝对是一个不可或缺的用户体验。个性化的好友推荐系统的用意就在于此。;;随着移动设备的不断普及，用户接入社交网络的方式从传统位置固定的个人电脑逐渐转变到移动终端上。如图6-4所示，《2014年中国社交类应用用户行为研究报告》明确指出，社交网站用户有52.0%的用户通过手机终端访问社交网站的时长超过总时长的50%。同时，伴随着位置获取技术的不断发展，如全球定位系统（Global Positioning System，GPS），越来越多的定位技术被运用到移动终端中。社交网络在这样的发展趋势下，与位置服务出现了一定程度上的融合，形成了基于位置的社交网络（Location-based Social Network，LBSN）。;;6.1.2 研究内容及组织结构;具体而言，本章由以下6部分组成。;第3部分是实验使用数据集的介绍、表示、预处理和信息挖掘。主要阐述了本章使用数据集的来源和数据表示。并通过数据清理、统计分析，挖掘出位置信息自身的特征，以及位置信息与好友关系之间的特征。 第4部分是对现有经典好友推荐算法的改进与实验验证。主要阐述了个性化好友推荐算法的问题描述和评估指标的确定。并对现有的推荐算法进行改进，结合具体的实验，验证引入位置信息的改进，可以在保持算法复杂度和可扩展性的同时，提高推荐结果的精度。;第5部分是挖掘用户位置的时间信息对好友关系的影响并对推荐算法做出进一步改进。主要阐述了时间信息作为用户位置信息的组成部分，对好友关系有着更深一层的影响。并针对时间信息，对算法做出进一步改进，通过实验验证推荐结果的精度提高。 第6部分是结论与展望。总结本章的研究成果，并指出未来的研究方向和进一步的改进工作。;;;另一方面，在个性化较高的用户好友关系网络基础上，也有利于盈利性服务的提供与推广。社交网络是在人与人之间的交互基础上建立的，人与人之间的关系很多类似亲朋好友，是在真实生活中有一定亲密程度的关系。所以用户的一些言论、经验分享，在其好友中是可以获得一定的信任和认可的。《2014年中国社交类应用用户行为研究报告》的调查显示，有35.8%的用户愿意购买好友推荐的产品。同时，经过不断地实践，越来越多的网民也逐步认可分享在社交网络中的购物信息，并对其产生了信任。社交网站在一定程度上可以产生或拉动用户需求，影响用户的消费决策；而且，用户的好友群体中，有很多兴趣相同、位置相似的好友，所以目前的各类社交网络中有越来越多的公司，开通了公共账号，针对于兴趣、行为相似的用户群体开展了形式多样的推广手段，利用用户的信息传播能力，达到其营销宣传的目的。;;6.2.1 基于位置的社交网络概述;;在此背景下，传统的社交网络也和位置服务有了一定的结合，形成了基于位置的社交网络，即LBSN。微软亚洲研究院主管研究员郑宇博士，曾对基于位置的社交网络进行了这样的描述：基于位置的社交网络不仅仅简单地将位置引入到原有的社会网络中，使网络结构中的用户可以分享包含位置的信息，这个新型的社交网络的结构与用户在真实世界中的地理位置也有很高的相关性，网络中的各类知识信息也包含了丰富的位置标签。;最早将位置信息成功引入到社交网络的是丹尼斯·克罗利（Dennis Crowley）和纳文·塞尔瓦杜莱（Naveen Selvadurai）。他们所创办的社交网站Foursquare，鼓励用户进行签到（Check-in）