面向社交用户的前 k 个社会-空间共同到访位置选择
社会与信息网络
2022-03-01 v2 数据库
摘要
随着基于位置的社交网络的出现，用户可以通过签到在不同地点标记其日常活动。这些签到位置表明了用户对各种社会-空间活动的偏好，可用于构建其画像，以提升推荐系统、广告和群体形成等某些应用中的服务质量。为支持此类应用，本文提出一个新问题：在社会图中为用户识别前 k 个社会-空间共同到访位置选择 (SSLS)，即从与用户及其好友相关的大量候选位置中选出最优的 k 个位置集合。所选位置应 (i) 在空间和社交上均与用户及其好友相关，且 (ii) 在空间与社交上均具多样性，以最大化在空间中对好友的覆盖。该问题已被证明为 NP-hard。为应对这一挑战性问题，我们首先基于推导出的多样性上界设计剪枝策略，开发了基于分支定界的精确解。为使解能扩展至大规模数据集，我们还通过推导松弛上界与高级终止规则来过滤不显著的中间结果，开发了近似解。为进一步提升效率，我们提出一种快速精确方法与一种元启发式近似方法，以避免运行时刻对多样性的重复计算。最后，我们使用四个真实世界大规模数据集，针对改造的已有方法进行了大量实验以评估所提模型与算法的性能。
引用
@article{arxiv.2009.00373,
title = {Top-k Socio-Spatial Co-engaged Location Selection for Social Users},
author = {Nur Al Hasan Haldar and Jianxin Li and Mohammed Eunus Ali and Taotao Cai and Timos Sellis and Mark Reynolds},
journal= {arXiv preprint arXiv:2009.00373},
year = {2022}
}