基于单点地名匹配和局部地名筛选的推特用户定位方法

作     者：薛锦 袁福祥 刘毅敏 张萌 乔亚琼 罗向阳 XUE Jin;YUAN Fuxiang;LIU Yimin;ZHANG Meng;QIAO Yaqiong;LUO Xiangyang

作者机构：郑州大学网络空间安全学院河南郑州450003 河南省网络空间态势感知重点实验室河南郑州450001 华北水利水电大学信息工程学院河南郑州450045 

出 版 物：《网络与信息安全学报》 (Chinese Journal of Network and Information Security)

年 卷 期：2023年第9卷第4期

页      面：53-63页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(U1804263,U2172435,62272163) 国家重点研发计划(2022YFB3102900) 中原科技创新领军人才项目(214200510019) 河南省科技攻关项目(222102210036) 河南省自然科学青年基金(222300420230) 

主　　题：用户定位 用户生成内容 地名 社交媒体 

摘      要：用户推文中的地名信息是定位推特用户的重要基础数据之一,但现有推特用户定位方法提取的地名在数量和可靠性方面均存在欠缺,影响了用户定位准确性。提出基于单点地名匹配和局部地名筛选的推特用户定位方法。设计一种基于地名位置聚集度的地名类型判别算法,根据位置分布的聚集程度构建单点地名库,获取推文中更多可靠地名;提出一种基于用户位置聚集度的局部地名筛选算法,分别以地名经纬度和用户平均经纬度为中心,计算用户位置聚集度,筛选更高聚集度、更可靠的局部地名;基于用户社交关系、用户对地名的提及关系构建用户-地名异构图,并利用图表示学习和神经网络定位用户。基于常用公开数据集GEOTEXT和TW-US进行大量用户定位实验,并与HGNN、ReLP、GCN等9种现有推特用户位置推断典型方法进行了对比,结果表明,所提方法对推特用户的位置推断准确率具有明显优势,相比9种现有典型方法,在GEOTEXT数据集上,平均误差降低了7.3~342.8 km,中位数误差降低了2.4~354.4 km,大地区级定位准确率提高了1.3%~26.3%;在TW-US数据集上,平均误差降低了8.6~246.6 km,中位数误差降低了5.7~149.7 km,大地区级定位准确率提高了1.5%~20.5%。