基于过滤文本和社交网络的用户常驻位置预测

• 全文链接
• 请求原文

作   者：

王海起;  孔浩然;  李学伟; 

作者机构：

中国石油大学(华东)海洋与空间信息学院; 

关键词：

社交网络;  常驻位置;  社交用户;  地名;  地理命名实体识别;  小样本学习;  图卷积神经网络;  多视图; 

期刊名称：

地球信息科学学报

基金项目：

基于进化计算的地理空间优化选址模型及其并行化算法研究

i s s n：

1560-8999

年卷期：

2021 年 010 期

页   码：

1778-1786

摘   要：

社交用户的文本具有地理差异性,并且社交关系密切的用户之间居住位置更近,因而文本和社交网络均可用于推断用户常驻位置。现有基于文本和社交网络的用户常驻位置预测方法对文本的位置指示性特征挖掘不充分,而用户文本中地名等位置指示信息却提供了最有用的位置信号。因此,本文提出一种基于地理命名实体识别（GER）和图卷积神经网络（GCN）的社交用户位置预测方法。首先,通过地理命名实体识别方法对用户文本进行过滤以凸显位置指示性特征;其次,基于提及关系和关注与被关注关系抽取社交网络;再次,结合社交网络和用户文本内容,采用基于图卷积神经网络的方法进行用户常驻位置预测;最后,将GER-GCN与GCN以及最新研究成果进行比较,并探究该模型的小样本学习能力及其影响因素。基于Geotext数据集和2个微博数据集的实验表明:（1） GER文本过滤方法可显著提升用户位置预测精度;（2）在所有实验中,GERGCN的预测精度最高,并在基准数据集GeoText上比最新研究成果提升1%～2%;（3）在最小监督的现实场景中,本文印证了GER-GCN模型的小样本学习能力,并发现社交网络质量对其小样本学习能力起到决定性作用。实验结果验证了GER-GCN方法的先进性,且该方法符合社交媒体现实场景的应用需求。