Mining user behavior in location-based social networks (2017)
- Authors:
- Autor USP: REBAZA, JORGE CARLOS VALVERDE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES SOCIAIS; WORLD WIDE WEB; INTERAÇÃO SOCIAL (COMPORTAMENTO SOCIAL); MINERAÇÃO DE DADOS; APRENDIZADO COMPUTACIONAL
- Keywords: Análise do comportamento de usuários; Friendship recommendation; Link prediction; Location-based social networks; Predição de links; Recomendação de amizade; Redes sociais baseadas em localização; Social networks; User behavior analysis
- Language: Inglês
- Abstract: Redes sociais online (OSNs) são plataformas Web que oferecem serviços para promoção da interação social entre usuários. OSNs que adicionam serviços relacionados à geolocalização são chamadas redes sociais baseadas em localização (LBSNs). Um dos maiores desafios na análise de LBSNs é a predição de links. A predição de links refere-se ao problema de estimar a probabilidade de conexão futura entre pares de usuários que não se conhecem. Grande parte das pesquisas que focam nesse problema exploram o uso, de maneira isolada, de informações sociais (e.g. amigos em comum) ou de localização (e.g. locais comuns visitados). Porém, algumas pesquisas mostraram que a combinação de diferentes fontes de informação pode influenciar o incremento da acurácia da predição. Motivado por essa lacuna, neste trabalho foram desenvolvidos diferentes métodos para predição de links combinando diferentes fontes de informação. Assim, propomos sete métodos que usam a informação relacionada à participação simultânea de usuários en múltiples grupos sociais: common neighbors within and outside of common groups (WOCG), common neighbors of groups (CNG), common neighbors with total and partial overlapping of groups (TPOG), group naïve Bayes (GNB), group naïve Bayes of common neighbors (GNB-CN), group naïve Bayes of Adamic-Adar (GNB-AA), e group naïve Bayes of Resource Allocation (GNB-RA). Devido ao fato que a presença de grupos sociais não está restrita a alguns tipo de redes, essas propostas podem ser usadasnas diversas OSNs existentes, incluindo LBSNs. Também, propomos oito métodos que combinam o uso de informações sociais e de localização: Check-in Observation (ChO), Check-in Allocation (ChA), Within and Outside of Common Places (WOCP), Common Neighbors of Places (CNP), Total and Partial Overlapping of Places (TPOP), Friend Allocation Within Common Places (FAW), Common Neighbors of Nearby Places (CNNP), e Nearby Distance Allocation (NDA). Tais propostas são para uso exclusivo em LBSNs. Os resultados obtidos indicam que nossas propostas são tão competitivas quanto métodos do estado da arte, podendo até superá-los em determinados cenários. Ainda mais, devido a que na maioria dos casos nossas propostas são computacionalmente mais eficientes, seu uso resulta mais adequado em aplicações do mundo real.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 18.08.2017
-
ABNT
REBAZA, Jorge Carlos Valverde. Mining user behavior in location-based social networks. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16112017-085356/. Acesso em: 23 abr. 2024. -
APA
Rebaza, J. C. V. (2017). Mining user behavior in location-based social networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16112017-085356/ -
NLM
Rebaza JCV. Mining user behavior in location-based social networks [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16112017-085356/ -
Vancouver
Rebaza JCV. Mining user behavior in location-based social networks [Internet]. 2017 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16112017-085356/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
