当今社会飞速发展,人们既生活在现实空间,又遨游在网络世界,社交网络中的位置信息逐渐成为了连接现实与网络的桥梁,在移动互联网的各项服务中发挥越来越重要的作用,同时也释放了社交网络解决现实世界重大问题(如流感暴发预测,公共安全防控等)的潜在能量。
然而根据统计,社交网络中仅有10%左右的用户标注了居住地信息,如何基于少量已知用户位置信息对大部分未知用户的位置信息进行精准推测,是基于位置的社交网络服务亟需解决的基本难题。
联合实验室青年骨干崔鹏博士的这项研究,充分利用了社交网络中的用户社交关系、文本和图像内容、以及少量的已知用户位置信息等多重复杂因子,对这一挑战性难题进行了建模和求解。
通过对腾讯社交网络数据进行大规模统计分析,揭示了社交关系与用户位置的相近性关系、社交强度和用户位置的相近性关系、用户生成内容和用户位置的相近性关系等潜在规律,并基于此提出基于社交网络的位置信息传播模型。
在腾讯社交网络海量数据上的实验结果表明,用户位置信息的预测准确率比前沿基准算法有21%的提高,并有效解决了社会媒体用户位置预测中存在的数据稀疏、噪声和异构等问题。
这是国内高校在ICME上的第一篇最佳论文,在大会报告以后,得到国内外同行的广泛关注,认为是该领域一个开创性工作,将对社交媒体位置服务的应用产生重要影响。
对于该项工作成果的未来,崔鹏认为在当前用户居住地信息有限的情况下进行用户位置挖掘与预测,将可以有效增强社交媒体中各项基于用户位置信息的服务,改善用户体验,提升个性化服务。