一种大数据环境下的在线社交媒体位置推断方法

来源：软件学报杂志2015年第11期北京时间：

作者：王凯,余伟,杨莎,吴敏,胡亚慧,李石君

单位：王凯，武汉大学 计算机学院, 湖北 武汉 43007211,余伟，武汉大学 计算机学院, 湖北 武汉 43007202,杨莎，汉口学院 计算机科学与技术学院, 湖北 武汉 43021203,吴敏，中船重工第七二二研究所, 湖北 武汉 43007904,胡亚慧，空军预警学院, 湖北 武汉 43000005,李石君，武汉大学 计算机学院, 湖北 武汉 43007206

摘要：随着在线社交媒体的快速发展和可定位设备的大量普及,地理位置作为社交媒体大数据中一种质量极高的信息资源,开始在疾病控制、人口流动性分析和广告精准投放等方面得到广泛应用.但是,由于大量用户没有指定或者不能准确指定位置,社交媒体上的地理位置数据十分稀疏.针对此数据稀疏性问题,提出一种基于用户生成内容的位置推断方法UGC-LI(user generate content driven location inference method),实现对社交媒体用户和生成文本位置的推断,为基于位置的个性化信息服务提供数据支撑.通过抽取用户生成文本中的本地词语,构建一个基于词汇地理分布差异和用户社交图谱的概率模型,在多层次的地理范围内推断用户位置.同时,提出一个基于位置的参数化语言模型,计算用户生成文本发出的城市.在真实数据集上进行的评估实验表明:UGC-LI方法能够在15km偏移距离准确定位64.2%的用户,对用户所在城市的推断准确率达到81.3%;同时,可正确定位32.7%的用户生成文本发出的城市,与现有方法相比有明显的提高.

关键词：位置推断;用户生成内容;数据稀疏性;在线社交媒体;社交图谱

基金资助：国家自然科学基金(61272109, 61502350); 中央高校基本科研业务费专项资金(2042014kf0057); 湖北省自然科学基金(2014CFB289)