细粒度室内基于位置的社会网络
计算机与社会
2016-07-22 v1 社会与信息网络
摘要
现有的基于位置的社会网络（LBSNs），例如Foursquare，主要依赖GPS或基于蜂窝的定位来推断用户位置。然而，GPS在室内不可用，且基于蜂窝的定位提供粗粒度精度。这限制了当前LBSNs在室内环境中的准确性，而人们89%的时间都在室内。这进而影响用户体验（体现在场所排序列表的准确性上，尤其是移动设备的小屏幕）、错失商业机会，并导致场所覆盖减少。本文中，我们提出CheckInside：一个能够提供细粒度室内基于位置的社会网络的系统。CheckInside利用用户在签到操作中从移动设备收集的众包感知数据，以及从当前LBSNs提取的知识，将场所与逻辑名称和语义指纹相关联。该语义指纹用于获取更精确的附近场所列表，并自动检测具有相似特征的新场所。我们提出了一种检测虚假签到和推断语义增强平面图的新算法，以及一种基于用户隐式反馈提升系统性能的算法。此外，CheckInside包含一个覆盖扩展模块，用于自动预测新场所名称，从而增加当前LBSNs的覆盖。在四个商场历时六周、有20名参与者的CheckInside实验评估表明，它能在99%的情况下将用户实际场所推断至前五个场所内。相比之下，当前LBSNs仅有17%。此外，它将现有LBSNs的覆盖率提高了超过37%。
引用
@article{arxiv.1607.06429,
title = {A Fine-grained Indoor Location-based Social Network},
author = {Moustafa Elhamshary and Anas Basalamah and Moustafa Youssef},
journal= {arXiv preprint arXiv:1607.06429},
year = {2016}
}
备注
15 pages, 18 figures