LBSN中基于鏈路預測的位置推薦算法研究.pdf

1、隨著移動互聯(lián)網的快速發(fā)展和移動終端設備的普及，位置服務(Location BasedService，簡稱LBS)與傳統(tǒng)社會網絡逐漸融合，形成了基于位置的社會化網絡(Location-Based Social Network，簡稱LBSN)。LBSN通過用戶的地理位置信息，將線上虛擬社會網絡與線下實體世界聯(lián)系在一起，使得用戶能更方便的分享和獲取感興趣的信息，越來越受到用戶的青睞。LBSN下的位置推薦不僅能幫助用戶發(fā)現(xiàn)其感興趣的新位置，而且

2、還能幫助商家進行品牌推廣及精準營銷，從而帶來巨大的經濟效益，具有極大的研究價值，已經成為了學術界和工業(yè)界研究的熱點。雖然大量的線上和線下用戶數(shù)據(jù)的積累為研究LBSN下的位置推薦提供了良好的數(shù)據(jù)基礎，但是由于LBSN中的數(shù)據(jù)具有規(guī)模大、多維度、稀疏性高的特點，使得現(xiàn)有的位置推薦算法在算法實時性、推薦準確度等方面仍有較大提升空間。針對上述存在的問題，本文融合了LBSN中的社交關系、時間、空間等多維信息，利用復雜網絡鏈路預測技術來進行位置推薦

3、，完成的工作及研究成果如下:
　　(1)從社交關系、時間、空間三個方面對LBSN下的用戶簽到數(shù)據(jù)進行深入分析，挖掘出了用戶簽到行為的一般模式。結合LBSN數(shù)據(jù)的特征，構建了一個包含用戶、位置兩類節(jié)點，包含用戶-用戶、用戶-位置、位置-位置三類邊的復雜圖模型。同時融合時空等多維信息，提出了對圖模型中三類邊的權值度量方法;
　　(2)提出了基于圖消息傳播的二度好友選取算法GraphSF(Graph SecondFriends)，

4、能夠過濾圖模型中用于計算的用戶節(jié)點數(shù)量。在此基礎上，提出了隨機游走的鏈路預測算法WPPR(Weighted PersonalizedPageRank)，用復雜網絡的鏈路預測技術完成位置推薦。該算法考慮了邊權值的影響，并加入了重啟機制，使得其具有較好的推薦準確性和運行效率;
　　(3)基于Spark平臺下的并行圖計算框架GraphX對本文提出的算法進行了并行化實現(xiàn)，有效的提高了算法的可擴展性和實時性能。最后在真實的Spark集群環(huán)境