检索结果-内蒙古大学图书馆

通信学报 2020年第12期41卷 72-81页

作者：乔亚琼罗向阳马江涛李晨亮张萌李瑞祥信息工程大学网络空间安全学院河南郑州450001 数学工程与先进计算国家重点实验室河南郑州450001 郑州轻工业大学计算机与通信工程学院河南郑州450001 武汉大学国家网络安全学院湖北武汉430075

针对现有基于生成文本和社交关系的联合位置推断方法对社交媒体中异质数据间的位置关联性挖掘不充分的问题,提出了一种基于多种提及关系的社交媒体用户位置推断方法。首先,综合考虑社交媒体文本中用户之间的提及关系、用户对位置指示词... 详细信息

针对现有基于生成文本和社交关系的联合位置推断方法对社交媒体中异质数据间的位置关联性挖掘不充分的问题,提出了一种基于多种提及关系的社交媒体用户位置推断方法。首先,综合考虑社交媒体文本中用户之间的提及关系、用户对位置指示词的提及关系和用户对地理名词的提及关系,构建包含用户、位置指示词和地理名词3种节点的异质网络;其次,基于共同提及关系提出用户−词语−位置简化算法来构建用户−位置异质网络,将位置邻近的用户更为紧密地联系起来;再次,提出有偏的随机游走算法对图中节点采样以充分探索网络结构,缓解已知位置的稀疏性问题;最后,采用基于多层感知机的神经网络分类器对用户进行位置推断。在GEOTEXT、TW-US和TW-WORLD这3个代表性Twitter数据集上的实验结果表明,所提方法可显著提高用户位置推断准确率。

关键词：社交媒体异质网络用户位置推断提及关系

来源：评论

学校读者我要写书评

暂无评论

推特用户位置推断关键技术研究

推特用户位置推断关键技术研究

引用

作者：薛锦郑州大学

学位级别：硕士

推特用户位置推断通过分析用户公开数据，提取位置特征来推断用户位置,在提高社交媒体服务质量、维护国家安全和社会稳定等方面具有重要意义。然而，现有推特用户位置推断方法存在提取的地名数量不足且可靠性不高、对社交关系噪声的过... 详细信息

推特用户位置推断通过分析用户公开数据，提取位置特征来推断用户位置,在提高社交媒体服务质量、维护国家安全和社会稳定等方面具有重要意义。然而，现有推特用户位置推断方法存在提取的地名数量不足且可靠性不高、对社交关系噪声的过滤尚不充分等问题，导致用户位置推断准确性难以满足现实需求。为此，本文围绕地名的提取和过滤、社交关系的特征挖掘和过滤两个方面展开研究，分别提出基于单点地名匹配和局部地名筛选、基于社交关系噪声屏蔽和多跳结点特征的推特用户位置推断方法，主要工作如下:　　1.现有多源数据融合的推特用户位置推断方法在推断用户位置时，提取的地名数量不足、可靠性不高。为此，提出一种基于单点地名匹配和局部地名筛选的推特用户位置推断方法。首先，根据地名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;然后，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，筛选聚集度高、更可靠的局部地名;最后，基于用户社交关系、用户对地名的提及关系构建用户-地名图，并利用图表示学习和神经网络定位用户。在常用数据集GEOTEXT和TW-US上的实验结果表明，与基于层次图神经网络的用户位置推断等8种现有典型方法相比，平均误差分别降低了 7.3～342.8千米和8.6～246.6千米，中位数误差分别降低了 2.4～354.4千米和5.7～149.7千米，大地区级定位准确率提高了 1.3％～26.3％和1.5％～20.5％。　　2.现有基于图神经网络的方法难以融合社交关系中高跳邻居信息，降低了用户位置推断准确性。为此，提出基于社交关系噪声屏蔽和多跳结点特征的用户位置推断方法。首先，根据位置已知用户间的距离发现用户-地名图中的社交关系噪声，再调低噪声关系的权重，以降低其负面影响;然后，构建含有高跳邻居信息的多跳结点特征，以将高跳邻居信息引入图神经网络;最后，基于该多跳结点特征，利用图神经网络推断用户位置。在常用数据集GEOTEXT和TW-US上的实验结果表明，与基于层次图神经网络的用户位置推断等8种现有典型方法相比，平均误差分别降低11.17～346.67千米和14.6～145.4千米，中位数误差分别降低10.73～362.73千米和19.4～79.9千米，大地区级定位准确率提高1.67～26.97个百分点和3.93～14.93个百分点。　　最后对全文工作进行总结，指出本文方法的不足以及待研究的问题。

关键词：用户位置推断单点地名匹配局部地名筛选社交关系噪声屏蔽多跳结点特征图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的社交媒体用户位置推断

基于深度学习的社交媒体用户位置推断

引用

作者：李家辉华北水利水电大学

学位级别：硕士

社交媒体上的位置信息被广泛应用于公共健康监测、位置感知推荐、紧急位置识别等各种应用中。然而,由于用户隐私保护,只有少量用户发布信息中带有位置标签。社交媒体用户位置推断,是基于词汇使用的地理偏差和用户之间的交互来推断社交... 详细信息

社交媒体上的位置信息被广泛应用于公共健康监测、位置感知推荐、紧急位置识别等各种应用中。然而,由于用户隐私保护,只有少量用户发布信息中带有位置标签。社交媒体用户位置推断,是基于词汇使用的地理偏差和用户之间的交互来推断社交媒体用户的位置。以往针对位置推断模型的研究已取得很多优秀成果,但仍存在以下问题亟待解决:在用户文本特征提取时,没有考虑到用户发布信息中词语间的关联性,导致提取的特征不够丰富;在社交网络特征挖掘时,忽视了被高度提及的本地社区用户在社交关系网络中的位置指示作用,且多源信息特征融合不充分以致现有的社交媒体用户位置推断技术的推断精度普遍不高,仍有很大的提升空间。针对上述问题,本文展开如下研究: (1)针对用户文本特征提取时忽略词语间关联性的问题,本文提出了基于图表示学习的用户位置推断模型。该方法利用社交文本中词语的共现关联关系将社交文本转化为图的表示形式。借助图神经网络对构建的图进行建模,并通过神经网络层更新图中节点特征,学习用户社交文本嵌入。根据构图方式和选用的骨干网络的不同,分别提出了基于异构图卷积的用户位置推断方法(HGC),基于信息传递机制的用户位置推断方法(MPM)。进而通过利用词语间的局部相关性和全局相关性来挖掘丰富的用户文本特征,提高用户位置推断的准确率。 (2)针对社交网络特征挖掘和多源信息特征融合不充分问题,本文提出了基于多源信息特征融合的用户位置推断算法(MVGeo),用于融合用户的网络特征和文本特征。借助高斯混合模型(Gaussian Mixture Model,GMM)筛选社交关系网络中的本地名人(本地社区中的知名用户),并将其保留在社交关系网络中,发挥本地名人的位置指示作用。提取HGC方法中用户节点的隐藏层嵌入作为MVGeo中用户的初始文本特征。提出利用一个经过调整的多层图卷积网络-门控图卷积神经网络(Gated Graph Convolutional Neural Network,Gated-GCN),联合过滤后的社交关系网络和用户文本特征推断用户位置,弥补了单一信息源的不足。该方法可以有效融合用户社交网络和文本信息,提高用户位置推断效果。为了验证上述工作的有效性,将本文所提方法在公开数据集上进行测试并与传统模型对比。结果表明:HGC算法有助于提取位置增强的文本特征,可以有效的提高基于文本的位置推断方法的精度;MPM算法消除了单个用户文本图和整个语料库之间的依赖性负担;MVGeo算法在社交关系网络中保留本地名人有助于增强用户间位置关联性,且所提出的多源信息融合方法在与当前先进的基线模型对比时,取得了优越的性能。

关键词：用户位置推断图卷积网络图注意力机制词共现信息传递

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：