LBSN中基于鏈路預(yù)測(cè)的位置推薦算法研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展和移動(dòng)終端設(shè)備的普及，位置服務(wù)(Location BasedService，簡(jiǎn)稱LBS)與傳統(tǒng)社會(huì)網(wǎng)絡(luò)逐漸融合，形成了基于位置的社會(huì)化網(wǎng)絡(luò)(Location-Based Social Network，簡(jiǎn)稱LBSN)。LBSN通過用戶的地理位置信息，將線上虛擬社會(huì)網(wǎng)絡(luò)與線下實(shí)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(jìn)行品牌推廣及精準(zhǔn)營(yíng)銷，從而帶來巨大的經(jīng)濟(jì)效益，具有極大的研究?jī)r(jià)值，已經(jīng)成為了學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)。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(chǔ)，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(diǎn)，使得現(xiàn)有的位置推薦算法在算法實(shí)時(shí)性、推薦準(zhǔn)確度等方面仍有較大提升空間。針對(duì)上述存在的問題，本文融合了LBSN中的社交關(guān)系、時(shí)間、空間等多維信息，利用復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)技術(shù)來進(jìn)行位置推薦

3、，完成的工作及研究成果如下:
　　(1)從社交關(guān)系、時(shí)間、空間三個(gè)方面對(duì)LBSN下的用戶簽到數(shù)據(jù)進(jìn)行深入分析，挖掘出了用戶簽到行為的一般模式。結(jié)合LBSN數(shù)據(jù)的特征，構(gòu)建了一個(gè)包含用戶、位置兩類節(jié)點(diǎn)，包含用戶-用戶、用戶-位置、位置-位置三類邊的復(fù)雜圖模型。同時(shí)融合時(shí)空等多維信息，提出了對(duì)圖模型中三類邊的權(quán)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(jì)算的用戶節(jié)點(diǎn)數(shù)量。在此基礎(chǔ)上，提出了隨機(jī)游走的鏈路預(yù)測(cè)算法WPPR(Weighted PersonalizedPageRank)，用復(fù)雜網(wǎng)絡(luò)的鏈路預(yù)測(cè)技術(shù)完成位置推薦。該算法考慮了邊權(quán)值的影響，并加入了重啟機(jī)制，使得其具有較好的推薦準(zhǔn)確性和運(yùn)行效率;
　　(3)基于Spark平臺(tái)下的并行圖計(jì)算框架GraphX對(duì)本文提出的算法進(jìn)行了并行化實(shí)現(xiàn)，有效的提高了算法的可擴(kuò)展性和實(shí)時(shí)性能。最后在真實(shí)的Spark集群環(huán)境