基于位置的社會網絡中用戶社區(qū)發(fā)現(xiàn)方法研究.pdf

1、近年來，隨著社會網絡與位置服務的逐漸融合，形成了基于位置的社會網絡(Location-based Social Network,LBSN)。這種新興的LBSN通過移動用戶的位置簽到功能，把線上虛擬社會與線下真實世界關聯(lián)在一起，比傳統(tǒng)的社會網絡具有更復雜的關系結構特征和更廣泛的應用服務。在LBSN的拓撲特征、群體行為演化、鏈接預測等應用研究中用戶社區(qū)起著至關重要的作用，遺憾的是，LBSN作為一種多模異構的復合網絡，存在不同的實體對象和異構

2、關系，而現(xiàn)有的社區(qū)發(fā)現(xiàn)方法并不適用于這種新型網絡結構。
　　為此，針對LBSN中用戶-地理標簽簽到關系的時空特性，本文提出一種新的網絡建模方法稱為UL網絡模型，通過路徑融合計算發(fā)現(xiàn)具有共同k-路徑的用戶偏好群，并提出基于共同k-路徑的用戶相似度量，將原有用戶關系網絡轉換為以該相似度為邊權重的加權網絡，最后使用Louvain算法發(fā)現(xiàn)LBSN中非重疊的用戶社區(qū)。通過對Yelp數(shù)據集上的實驗結果表明，本文所提的方法能有效發(fā)現(xiàn)LBSN中的

3、用戶偏好群，與傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法（Louvain）相比，本文的算法發(fā)現(xiàn)的社區(qū)能在保持拓撲結構內聚性的同時改善用戶偏好內聚性。
　　此外，為了融合LBSN中多模實體及其異構關系，本文提出了一種基于聯(lián)合聚類的用戶多標簽社區(qū)發(fā)現(xiàn)方法Multi-BVD。該方法先給出了融合用戶社會關系、用戶-地理標簽簽到關系和地理標簽轉移關系等多維關系的社區(qū)劃分目標函數(shù)，然后使用拉格朗日乘子法得到目標函數(shù)極小值的迭代更新規(guī)則，并運用矩陣塊值分解技術來確定最