移动社交网络综述.docx

移动社交网络综述.docx

《移动社交网络综述.docx》由会员分享，可在线阅读，更多相关《移动社交网络综述.docx（10页珍藏版）》请在冰豆网上搜索。

移动社交网络综述

移动社交网络的研究综述

摘要：

随着移动设备不断的发展，4G网络的出现，移动通信网络和计算机网络的逐渐融合，移动社交网络也面临着大数据的问题，成为了研究的热门方向之一。

本文对移动社交网络的国内外相关研究现状进行了综述，阐述和分析了当前国内外在移动社交网络相关的研究成果的特点和不足，提出可能存在的研究热点，并进行预测今后移动社交网络可能的发展前景。

本文主要介绍与移动社交网络相关的背景知识，对该方向进行介绍，然后对目前的研究现状和对未来的展望，最后是对全文的总结。

关键词：

移动社交网络；推荐；大数据；综述

Abstract：

Withthecontinuousdevelopmentofmobiledevices,theemergenceof4Gnetworksandthegradualintegrationofmobilecommunicationnetworksandcomputernetworks.Themobilesocialnetworkisalsofacingtheproblemofbigdataandisalsobecomingoneofthehottestdirections.Inthispaper,wereviewarelatedresearchathomeandabroadonmobilesocialnetworks.Describeandanalyzethecurrentdomesticandforeign-relatedresearchinmobilesocialnetworkingfeaturesandshortcomings.Wemakesomepossiblehotspotsandpredictthefuturedevelopmentprospectiveofmobilesocialnetworks.

Thispaperdescribestherelevantbackgroundknowledgeofmobilesocialnetworks.Thenwehaveanintroductionofthisdirectionandacurrentresearchstatusandprospectsforthefuture.Finallygetafullsummaryofthefulltext.

Keywords：

MobileSocialNetwork;Recommend;BigData;Summary

1引言

随着互联网的快速发展，移动设备的广泛使用，4G网络时代，大数据时代的到来，社交、移动和位置服务的融合以及发展，促进了移动社交网络的发展。

由于智能移动设备日益普及，信息资源的获取和推送可以发生在任何时间、任何地点、任何人和任何方式。

为用户提供无处不在的信息内容已经成为可能，智能移动设备也逐渐成为人们获取信息的主要平台之一（如通过手机搜索网络信息、浏览新闻，使用平板电脑/手机阅读电子书、听音乐、看视频、使用手机读\写微博等），然而，移动互联网服务和信息内容的日益增长将逐渐超出人们所能接受的范围，加之移动设备的界面显示、终端处理、输入/输出等能力有限，为移动用户带来沉重的“移动信息过载”问题，导致移动网络资源利用率和用户体验受到严重影响，特别是在当今的大数据时代，如何使移动社交网络的信息能够更好的被我们所利用成为一种新的研究方向。

移动社交旨在普通社交网络的功能上有所延伸，最突出的特点就是移动性强、实时性高。

近年来，当人们越来越依赖于网络，国外许多大学和研究机构对移动社交展开了深入研究。

收集和分析用户的各种类型的数据，并通过技术手段，获取用户的轨迹信息并预测用户未来的行为，对更好的服务用户并利用这些信息来创造商业价值是非常重要的。

面对如此多的数据和信息，我们如何选择？

精准的推荐显得重要。

通过我们的轨迹信息，获取我们想要的数据和信息。

目前，各种移动推荐系统已经进入到我们的视野当中，而且正在被人们所接受。

2方向介绍

2．1移动社交网络

移动社交网络是在社交网络的基础上发展而来的。

社交网络（SocialNetwork），是随着E-mail、BBS、博客、微博等Internet的应用而自然发展起来的反应社会交往群体的一种形态，其本质是提供一个在人群中分享兴趣、爱好、状态和活动等信息的在线平台。

随着互联网发展起来的社交网络对人类社会活动的方式、效率等产生了深远影响。

移动社交网络（MobileSocialNetwork）暂时还没有确切的定义，普遍认为移动社交网络就是利用移动终端设备，对群体行为的进行、活动的规律，并能通过移动终端设备的位置信息而产生的一种社交网络。

我们可以利用人们的出行数据和出租车的移动轨迹进行挖掘，可以帮助出租车司机快速寻找乘客以及帮助乘客快速的找到出租车。

简单地说，就是用户将进行网络社交活动的媒介，更多地从传统的PC网页转移到了移动App上。

而这个看似简单的转移，却包含了不小的意义，即从社交网络服务形成初期，人们逐渐将线下生活的更完整的信息流转移到线上进行低成本管理，从而发展为成规模的虚拟社交，到现在通过移动终端更紧密地结合了现实生活的各种元素，形成虚拟社会与真实社会的更深层的交织。

2．2移动社交网络的特点

移动互联网是移动通信网络与互联网的结合，是指用户使用移动设备（如智能手机、PDA、平板电脑等）通过移动通信网络（如3G，Wi-Fi，GPRS等）访问互联网。

移动用户访问互联网的行为主要包括移动信息搜索、移动网页信息浏览、移动应用程序下载与在线使用（如在线游戏）、移动电子书阅读、移动音/视频播放、移动社交化网络服务行为（如移动社区通信、移动邮件、读、写微博等）、移动电子商务、移动网络办公等等。

移动互联网与传统互联网的主要区别在于用户、接入网络和终端，这使前者增加了移动性、上下文感知、终端个人化等固有属性。

与传统互联网用户相比，移动用户通常具有更为明确和真实、可靠的用户标识，并可方便地从概貌层面对移动用户进行刻画。

例如，移动用户的人口统计学数据通常由移动用户注册入网时填写，也可以根据一些机器学习或者数据挖掘技术推理获取（如在移动用户授权许可范围内，可以根据身份证信息获取其籍贯信息、通过移动用户购买行为预测其收入信息、通过移动社交化网络挖掘移动用户的工作/教育背景等）。

此外，还可以通过某些方式获取移动用户的其他信息。

例如，通过GPS（globalpositioningsystem，全球定位系统）获取移动用户地理位置信息或者移动用户轨迹，利用机器学习和数据挖掘技术分析移动互联网用户行为以提取用户属性特征。

1）移动性

移动用户使用移动设备可以在任何时间、任何位置访问应用系统。

位置和时间上下文与移动用户的关系更紧密。

2）瞬时性

用户在特定的时间，特定的地点利用移动社交网络，来达到自己的需求，从而使社交网络具有瞬时性，及时更新。

2．3移动社交与位置信息

基于位置的服务（LocationBasedService，LBS）得以飞速发展，在多种应用中开始扮演越来越重要的角色。

基于位置的信息服务是面向移动的，所以它是一种移动信息服务，是一种能通过移动网络，使用移动设备，并借助于移动设备的定位功能得到访问信息的服务。

实际上这种应用是因特网、GIS/空间数据库和新一代信息与通信技术（NICT）的汇集，它把对象的时空位置作为相关信息的索引，在一定程度上屏蔽了物理世界与虚拟世界之间的鸿沟，其计算的透明性、移动的无缝性、信息访问的普遍性、基于情景感知的智能性，使用户在日常环境下能够使用任意设备、通过任意网络、在任意时间获取与位置有关的信息，真正意义上以“人”为服务中心。

移动社交能很容易和位置信息连接到一起，两者都是移动的、有规律的。

我们通过搜集各种轨迹信息，得到规律，并对其预测后期的行为。

不同的用户在相同的时空位置其意图并不一定相同，同一用户不同时刻在同一空间位置需求也不一样，仅依照用户当前所在位置推送信息，其准确性难以确定；2、即便当前时空位置在一定程度上能代表用户的移动意图，由于系统计算的时间开销，依照用户当前所在位置推送信息必然产生一定的滞后性，对于移动速度较快的用户尤为明显。

3现状评述

目前，对Hadoop平台的研究主要集中在以下几个方面：

传统数据挖掘算法在Hadoop平台上的改进，基于MapReduce模型的新的数据处理算法，数据分析处理的并行化，Hadoop在多学科上的交叉运用，云存储策略，Hadoop平台的性能优化，自然语言处理等。

3．1研究热点

针对信息过载问题和面向移动用户的个性化需求服务的趋势，随着移动通信技术的发展和移动智能设备的处理能力的提升，移动社交网络方向的研究和应用都取得了一定的进展，作为一个新兴的研究领域，并顺应时代发展，在推荐和位置服务等方向有很多的研究热点：

（1）移动组推荐

目前，移动推荐系统的对象基本针对个人，但在一些情况下，有必要为一组人而不是个人进行推荐，如为一家人推荐电视节目、为一群朋友推荐餐厅等，这需要综合考虑一组人的偏好进行推荐，而不是只是考虑某个人的偏好。

组推荐中需要考虑多个用户的偏好，但组用户的偏好不尽相同，如何处理组用户偏好之间的冲突，以获取准确的组偏好并完成对一组用户的推荐，是组推荐的重点。

目前，移动推荐系统中对组推荐的研究很少，但这是一个很有意义的研究方向，值得深入研究。

（2）位置服务

基于位置的服务，可以使用户更了解身边的所有美好的事物，更为真实的服务信息和新颖的交友方式，对于企业可以更有针对性的宣传，更精确的广告，然后更好的回馈忠实的用户。

在雾霾严重的今天，应减少车辆的运行，通过社交网络和位置服务结合，通过拼车和优化乘车路线等方式可以在一定程度上减少车辆的运行，在出租公司，可以根据在特定时间、特定环境以及特定路线上，使乘车司机和乘客实时交流，不仅可以减少乘客等车的时间，也大大提高了出租车的载客效率。

当车成为人们重要交通工具的时候，我们可以利用拼车，不仅可以节省费用还可以改善环境。

该研究方向和如今的社会化问题紧密联系，但是暂时无研究，应该是很有意义的研究。

3．2正在解决的问题

在移动社交网络领域，很多研究者对移动社交的推荐和移动用户的轨迹安全问题做了一些研究，在移动新闻、个性化移动搜索、移动旅游、移动广告以及移动电影和音乐的推荐都做了很多工作，也取得了很大的进展。

在一些推荐中，如何保证移动推荐的精准性是最近研究的热点。

但是也有很多问题。

（1）移动社会化网络推荐

移动社交具有“现实交往”的特性，移动用户在移动社交网络行为更能体现真实用户社交行为，将移动社会化网络信息用于移动推荐系统以提高推荐性能。

移动社会化网络的精确构建是移动推荐的基础，移动社会化网络的构建可以通过显式的方法，也可通过用户的行为隐式地构建。

在隐式构建中，如何确定用户间的关系及关系强度，是构建移动社会化网络的难点。

通过构建的信任网络或朋友网络获取用户的邻居结点，进而使用协同过滤算法进行推荐，是将移动社会化网络和移动推荐结合的一种方法。

将移动社会化网络融合到移动推荐以提高推荐性能。

（2）移动推荐系统的评价

移动推荐系统的性能，主要是由其评价指标来衡量的。

传统互联网推荐系统中的评价指标，如Precision，Recall等也被用来衡量移动推荐性能。

在使用这些指标时需要相应的数据集，但目前，在移动推荐领域很少有公开可用的数据集，这给移动推荐系统的验证带来了一定的困难。

为了评价移动推荐系统的性能，研究者经常召集志愿者实际使用移动推荐系统，通过调查问卷的方式统计分析用户的反馈，以了解移动推荐的性能。

通过调查问卷的方式可以了解到移动用户对推荐系统的满意度、实时性、交互体验等用户主观性指标，但这需要花费较大成本，而且样本数量相对较少。

有效地评价推荐系统的性能也是正在解决的问题。

（3）位置服务进行社会化服务

位置服务主要是探测用户的轨迹，对于企业，通过用户的轨迹来更好的服务客户，而对于研究者来说，应研究如何利用位置服务和移动社交网络进行结合，开辟一个新的研究领域，一般位置服务的信息都是保密，从而也是一个隐私性问题，用户不希望自己的轨迹信息被公开或者被探知，这对移动社交网络的研究造成了很大的障碍，利用现有的数据，进行实验，对成果服务于大众，使在大数据时代，能给用户的更好的服务以及相应的回馈于用户也是正在解决的问题。

3．3尚待解决的问题

移动推荐系统是传统互联网推荐系统在移动互联网领域的延伸。

由于移动用户与传统互联网用户相比面临着更加复杂、融合、协作的移动网络环境和泛在的移动信息提供环境，只有在充分、准确提取和预测移动用户在移动网络环境下对各种类型移动信息内容的偏好后，才能有效地生成移动推荐。

因此，尽管移动推荐系统的基本思想与传统互联网推荐系统是相似的，但需要着重考虑移动网络环境给推荐系统带来的影响:

移动推荐系统中用户处于移动网络环境，移动性强，其移动信息需求和对推荐的需要受上下文影响更大，而且移动设备的处理能力差、屏幕小、输入能力差、无线网络的带宽弱等因素使其对实时性和精确度要求更高，从而使得适合传统互联网用户的推荐方法并不能直接应用到移动推荐中。

4研究展望

在推荐方面，传统的推荐算法在移动社交网络平台上需要进一步改进，以适应移动社交网络的移动性，利用在hadoop大数据平台上，处理数据的实时性和安全性来进行数据处理。

移动社交网络在以后的发展中，实时利用会使其成为热点。

随着智能手机的普及，大屏幕设备的使用。

在任何地点，我们都可以利用社交网络平台获取我们想要的数据和信息。

根据用户的信息轨迹和活动规律，来进行推荐或运用。

特别是针对“信息过载”问题和面向移动用户的个性化服务趋势，随着移动通信技术的发展和移动终端处理能力的提升，移动推荐系统的研究与应用取得了一定的进展。

作为一个新兴的研究领域，其中可以深入研究，但也存在一些问题需要研究：

（1）移动用户的信息获取

推荐系统中获取用户偏好是推荐的前提，移动推荐中，由于移动设备屏幕小和输入能力差，通过显式的用户评分来获取用户偏好会严重影响用户的体验。

移动推荐中，常用隐式方法来获取用户偏好。

如何快速、准确地获取移动用户的偏好，依然是移动推荐系统的难点。

随着时间的推移，移动用户偏好不是一成不变的，上下文用户偏好也是如此（例如，用户原本喜欢“独自”看喜剧类电影，后来喜欢“和好友一起”看喜剧类电影），因此，上下文用户偏好变化检测与修正技术，也是值得关注的研究方向。

其中Hadoop的性能优化是未来研究的热点，其中GreenHadoop的想法很新颖，相信在不久的将来会越来越多的人员研究。

（2）移动社交的隐私和安全问题

移动用户的隐私保护和安全问题制约了移动推荐系统的发展，移动推荐系统为了给移动用户提供准确的推荐，必须记录并分析移动用户的信息、行为、位置等，但出于隐私与信息安全的考虑，移动用户不愿意提供完整和准确的信息给推荐系统，认为用户的隐私会得不到保障，移动推荐系统记录的信息有可能被泄露。

通过移动用户不同时间的位置信息可以分析出移动用户的移动轨迹，而移动轨迹是一种特殊的个人隐私，它本身包含敏感信息（移动用户访问过的敏感位置），或由移动轨迹推导出其他个人信息（如家庭住址、工作地点、生活习惯等），对移动轨迹的保护也是移动推荐系统需要关注的问题。

为了缓解由于信息集中带来的安全问题，使用分布式的移动推荐系统，用户描述文件在各个移动终端代理间相互传递并保存，避免了用户信息集中的问题。

另外，有些熟悉移动推荐算法的攻击者可能利用虚假数据欺骗推荐系统，从而危害系统的推荐信用。

移动推荐系统的用户隐私和安全问题是其研究的一个难点因为移动社交中，地理位置信息规律可能不是很明显。

（3）服务的普及型

如何利用移动社交带来的基于更多的服务于社会和大众。

基于移动社交和位置信息的研究，可以对出租车的有效载客和乘客的快速乘车进行利用。

根据用户的轨迹进行研究，推测用户的地理位置变化走向图，进而可以用在出租车载客上。

用户也可以对应的利用社交网络，实时服务。

对出租车的轨迹进行查看，优先选择乘车路线。

5总结

通过以上的研究综述，传统的社交网络会在一定程度的向移动社交网络发展，利用移动社交网络的信息进行挖掘、分析和处理之后，进行适当的应用，和当今的社会化问题紧密结合在一起，使研究更有意义，是将来必然的发展趋势。

而精准的推荐和与位置服务的结合在当今能够更好解决大数据带来的问题，特别是在移动设备终端上的应用。

但同时，我们也面临很多技术难题，有很多方向值得我们探究。

参考文献

[1]王玉祥,etal."上下文感知的移动社交网络服务选择机制研究." 计算机学报 33.11（2010）:

2126-2135.

[2]李智惠,and柳承烨."韩国移动社交网络服务的类型分析与促进方案." 现代传播PKUCSSCI 8（2010）.

[3]胡海洋,etal."面向移动社交网络的协作式内容分发机制." 计算机学报 36.3（2013）:

613-625.

[4]王文韬,and谢阳群."LBS与社交网络联合应用的新模式研究." 中国市场 36（2011）:

042.

[5]袁书寒,陈维斌,and傅顺开."位置服务社交网络用户行为相似性分析."

[6]王亮."SNS社交网络发展现状及趋势." 现代电信科技 6.6（2009）:

9-10.

[7]王辉,韩江洪,邓林等.基于移动社交网络的谣言传播动力学研究.物理学报,2013,62（11）:

110505.

[8]周傲英,杨彬,金澈清,等.基于位置的服务:

架构与进展[J].计算机学报,2011,34（7）:

1155-1171.

[9]孟小峰,潘晓.基于位置服务的隐私保护[J].中国计算机学会通讯,2010,6（6）:

16-23.

[10]霍峥,孟小峰,黄毅.PrivateCheckIn:

一种移动社交网络中的轨迹隐私保护方法[J].计算机学报,2013,36（4）:

716-726.

[11]邢星.社交网络个性化推荐方法研究[D].大连海事大学,201

[12]SadehN,HongJ,CranorL,etal.Understandingandcapturingpeople'sprivacypoliciesinamobilesocialnetworkingapplication[J].PersonalandUbiquitousComputing,2009,13（6）:

401-412.

[13]ZivND,MullothB.Anexplorationonmobilesocialnetworking:

Dodgeballasacaseinpoint[C]//MobileBusiness,2006.ICMB'06.InternationalConferenceon.IEEE,2006:

21-21.

[14]DongZB,SongGJ,XieKQ,etal.Anexperimentalstudyoflarge-scalemobilesocialnetwork[C]//Proceedingsofthe18thinternationalconferenceonWorldwideweb.ACM,2009:

1175-1176.

[15]IgarashiT,TakaiJ,YoshidaT.Genderdifferencesinsocialnetworkdevelopmentviamobilephonetextmessages:

Alongitudinalstudy[J].JournalofSocialandPersonalRelationships,2005,22（5）:

691-713.

[16]WangY,CongG,SongG,etal.Community-basedgreedyalgorithmforminingtop-kinfluentialnodesinmobilesocialnetworks[C]//Proceedingsofthe16thACMSIGKDDinternationalconferenceonKnowledgediscoveryanddatamining.ACM,2010:

1039-1048.

[17]HumphreysL.Mobilesocialnetworksandurbanpublicspace[J].NewMedia&Society,2010,12（5）:

763-778.[14]DongW,DaveV,QiuL,etal.Securefrienddiscoveryinmobilesocialnetworks[C]//INFOCOM,2011ProceedingsIEEE.IEEE,2011:

1647-1655.

[18]LiangX,LiX,ZhangK,etal.Fullyanonymousprofilematchinginmobilesocialnetworks[J].IEEEJSelAreasCommun（toappear）,2013.[16]JacobLeverich，ChristosKozyrakis。

Ontheenergy（in）efficiencyofHadoopclusters。

ACMSIGOPSOperatingSystemsReview，2010，Volume44，Issue1:

61-65