基于手機網絡數據挖掘的用戶社交移動行為模式分析.pdf

1、移動通信技術的飛速發(fā)展以及無線通信設備的普及給人們的日常生活帶來了極大的便利，也給人類的工作生活方式、移動社交模式帶來極大影響。無線通信設備所采集的海量電子行為軌跡，能夠用于挖掘用戶行為模式，促進了大數據技術和智能城市研究的發(fā)展。對用戶個體日常習慣以及行為偏好的挖掘研究，不但能夠從用戶的角度通過個性化推薦技術改善人類生活質量，而且能夠從營運商的角度，規(guī)劃目標客戶，提高運營服務質量。另一方面，從用戶群體的角度，對移動網絡結構、網絡動力學、

2、影響網絡間信息交流因素的研究能夠服務于大數據時代下智能城市規(guī)劃與建設?；诖?，本文以移動手機連接基站自動生成的通話詳情清單數據為研究對象，從個體用戶的微觀層面，分析移動用戶的社交行為和移動行為，并提取用戶的行為模式、挖掘移動網絡數據特征。
　　本文的主要研究內容和創(chuàng)新之處如下：
　?。?）從微觀水平挖掘用戶社交行為模式，并量化了個體用戶社交策略。
　　在基于用戶社交策略模式的社交行為前期研究中，因為缺乏對個體的社交策略

3、的量化，所以只能從全體權或分組權的角度感知用戶社交行為差異，使得個體社交行為的具體特征無法被感知，而個體之間的行為細節(jié)無法相互比較。在本文的實證研究中，發(fā)現個體的社交網絡權重分布服從廣義極值分布，從而將個體的行為特征壓縮于分布參數中，通過分布參數中的形狀參數量化個體的社交策略，并建立了有效的數據模型，很好地揭示了人們的社交策略的規(guī)律。
　?。?）發(fā)現了人類社交行為模式中“漸進不變模式”。
　　無線通信設備是否會改變人類社交行

4、為模式？圍繞這個問題，前期文獻存在三種演變模式：“弱關系模式”、“強關系模式”和“不變模式”?；诒疚慕⒌臄祿Ｐ?，從個體層面出發(fā)探索、量化和分析了用戶社交策略，實證結果發(fā)現了新的“漸進不變模式”，其主要特征是存在一個扮演著吸引子典型策略（可視為群體社交行為的“固有策略模式”），即該策略角色的會對偏離自己的其他策略產生吸引，使之隨著用戶社會鏈接度的增加向自己靠攏。在漸進不變模式的的框架下，以上三種有爭議演變模式和諧地統(tǒng)一在一起，而不是

5、相互排斥。
　?。?）分析用戶的移動行為模式。
　　用戶的移動行為模式前期的統(tǒng)計研究是從用戶的移動步長或是回轉半徑等的角度來分析用戶特征，然而用戶在不同地理區(qū)域逗留時間的規(guī)律研究存在空缺。本文發(fā)現個體在不同基站的累計通話時長也服從廣義極值分布，并且表現出強烈的偏好于強鏈接基站的特征?；诖税l(fā)現并利用二八效應，本文將個體訪問過的地點劃分為兩類：強鏈接基站代表用戶的日常移動行為，而弱鏈接基站則代表偶然訪問行為。我們重點研究了用戶

6、移動范圍，發(fā)現日常移動行為模式和偶然移動行為模式有很大差別，例如，超過50％用戶的日常移動不超過3公里，而他們的偶然訪問范圍要大得多。
　　（4）使用社交關系改善對移動行為的預測。
　　利用社交關系改善對移動行為的預測的基本思路是比較用戶和其朋友之間移動軌跡的相似程度。本文模型加入了對不同屬性的位置的吸引力的判斷，比較了用戶和朋友群體之間的相互影響作用，建立了兩個位置預測模型。其中，組合概率位置預報模型在原始的MFM位置預測

7、模型的基礎上，加入了朋友群體的位置信息。對于符合條件的123個用戶，該模型的預測性能能夠提高2.6%到12.9%。而分類決策樹位置預報模型將預測問題轉換成為一個分類樹問題。其輸入變量為當前時段的用戶位置和用戶多數朋友聚集的位置，輸出的類型變量選為為用戶下一時刻的訪問位置。而當選擇將朋友群劃分為超過4個簇類時，模型平均的預測精確度提高了4.91%。
　　本文圍繞著用戶的社交和移動行為，通過數據采集、數據分析、數據統(tǒng)計等，對用戶的個體