移动网络位置信息在群体发现中的应用

“基于移动网络位置信息的群体发现方法.pdf” 本文主要探讨了一种新的群体发现方法，该方法旨在利用移动网络中的用户位置信息来更准确地揭示用户的社会群体关系。传统的群体发现通常依赖于用户的通信联系，但这种方法忽视了网络中潜在的社交关系。作者提出，通过分析用户的位置信息，可以更好地理解他们在现实生活中的互动情况。 首先，文章介绍了如何运用序列模式挖掘算法来探索用户的位置规律序列。序列模式挖掘是一种数据挖掘技术，用于找出数据集中频繁出现的项集序列。在此背景下，它被用来识别用户在不同时间和地点的移动模式，这些模式可能反映了他们的共同活动或聚会行为。 其次，为了衡量用户之间的社交关系，文章引入了通信距离指数的概念。这是通过局部相似性度量方法计算得出的，可以反映两个用户之间的通信频率和时间间隔，从而判断他们是否相识或者有密切的交往。通信距离指数越小，表示用户之间通信越频繁，相识的可能性越大。 接下来，位置相关性和通信距离指数结合，用于加权计算用户群体的相关性。这种方式考虑了用户不仅在通信上的联系，还考虑了他们在地理位置上的共现。这种综合评价使得挖掘出的群体更接近于现实生活中的人际关系群体。 最后，通过分裂聚类算法对用户进行分组。分裂聚类是一种自底向上的聚类方法，它从单个对象开始，逐渐合并相似的对象形成更大的群体，直到满足预设的停止条件。在这种情况下，停止条件可能是群体内部的通信和位置相关性达到一定阈值，表明这些用户形成了一个紧密的社交网络。 实验结果显示，该方法能够有效地结合通信和位置信息，挖掘出具有实际社交意义的用户群体。这为移动网络数据分析提供了新的视角，有助于理解用户的行为模式，对于社交媒体分析、市场营销、公共安全等领域具有重要的应用价值。 这篇论文提出的基于位置信息的群体发现方法扩展了传统通联关系分析的范围，提高了群体挖掘的准确性，为理解和预测用户的社会行为提供了有力工具。通过这种方法，研究人员和从业者可以更深入地了解用户在网络中的动态行为，以及这些行为如何映射到现实世界中的社会结构。