一种利用社交媒体文本属性估计社交 POI 边界的改进方法
社会与信息网络
2020-12-21 v1 人工智能
数据结构与算法
机器学习
网络与互联网体系结构
摘要
如何利用社交媒体上的文本属性进行基于密度的聚类，目前尚缺乏充分探索。本文旨在发现一种呈凸多边形形式的社交兴趣点（POI）边界。更具体地，我们提出一种基于早期社交 POI 边界估计工作（SoBEst）的新方法与算法。该 SoBEst 方法同时考虑地理区域内的相关与不相关记录，其中相关记录在其文本字段中包含 POI 名称或其变体。我们的研究受如下经验观察驱动：SoBEst 基本假设每个 POI 有一个固定的代表坐标，该坐标对某些 POI 可能远离估计出的社交 POI 边界的质心。因此，在此类情形下使用 SoBEst 可能导致边界估计质量（BEQ）不尽如人意，BEQ 表示为 -measure 的函数。为解决此问题，我们构建一个联合优化问题，在允许更新代表坐标 的同时寻找圆的半径与 POI 的代表坐标 。随后，我们设计了一种迭代 SoBEst（I-SoBEst）算法，使部分 POI 达到更高程度的 BEQ。所提 I-SoBEst 算法的计算复杂度被证明随记录数线性增长。我们展示了本算法相对于包括原始 SoBEst 在内的竞争聚类方法的优越性。
引用
@article{arxiv.2012.09990,
title = {An Improved Approach for Estimating Social POI Boundaries With Textual Attributes on Social Media},
author = {Cong Tran and Dung D. Vu and Won-Yong Shin},
journal= {arXiv preprint arXiv:2012.09990},
year = {2020}
}
备注
13 pages, 6 figures, 5 tables; to appear in the Knowledge-Based Systems (Please cite our journal version that will appear in an upcoming issue.)