面向城市的兴趣网络(iNETs)：跨平台洞察与城市行为解释
社会与信息网络
2025-07-08 v1 信息检索
摘要
基于位置的社交网络(LBSNs)为通过兴趣网络(iNETs)建模城市行为提供了丰富的基础，iNETs捕捉了用户兴趣在城市空间中的分布情况。本研究比较了跨平台（Google Places和Foursquare）和空间粒度的iNETs，表明较粗的粒度揭示出更一致的跨平台模式，而较细的粒度则暴露出微妙的、特定于平台的行为。我们的分析发现，总体而言，用户兴趣主要由地理邻近性和场所相似性塑造，而社会经济和政治背景的作用较小。基于这些见解，我们开发了一个多层次的、可解释的推荐系统，用于预测不同用户类型的高兴趣城市区域。该模型适应行为特征——例如受邻近性驱动的探索者和偏好熟悉场所的回归者——并使用可解释人工智能(XAI)技术提供自然语言解释。为支持我们的方法，我们引入了h3-cities，一个用于多尺度空间分析的工具，并发布了一个公共演示，用于交互式探索个性化的城市推荐。我们的发现通过提供可扩展、上下文感知且可解释的推荐系统，为城市移动性研究做出了贡献。
引用
@article{arxiv.2507.04995,
title = {Interest Networks (iNETs) for Cities: Cross-Platform Insights and Urban Behavior Explanations},
author = {Gustavo H. Santos and Myriam Delgado and Thiago H. Silva},
journal= {arXiv preprint arXiv:2507.04995},
year = {2025}
}
备注
Accepted at ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD-UMC)