Social-aware spatial keyword top-k group query
Social-aware spatial keyword top-k group query
复制标题
社交感知空间关键词top-k组查询
DOI：
10.1007/s10619-020-07292-0
复制
发表时间：
2020-05
影响因子：
1.2
通讯作者：
Xin Bi
中科院分区：
文献类型：
--
作者：
Xiangguo Zhao;Zhen Zhang;Hong Huang;Xin Bi
随着基于位置的社交网络服务的日益普及，社交网络中的信息已经成为分析用户偏好的重要依据。然而，现有的空间关键字组查询只关注用户组之间的距离约束，而忽略了用户与其好友之间的社会关系，这可能会影响查询结果。因此，为了满足用户群体多样化的查询需求，提高社交网络中基于信息的用户满意度，提出了一种社会性感知的空间关键字top-k群查询问题。该问题的目标是检索一组满足多个用户偏好的k组POI对象，同时考虑空间邻近性、社会相关性和关键词限制。为了解决这个问题，我们首先设计了一个排序函数来度量查询集和候选集之间的相关性。其次，为了提高查询效率，本文提出了一种综合考虑社会属性、空间属性和文本属性的混合索引结构SAIR-TREE。然后，我们提出了一种近似算法和一种精确算法，结合剪枝策略，可以高效地搜索top-k结果集。最后，在真实数据集上进行实验，验证了所提算法的有效性和准确性。
With the increasing popularity of location-based social networking services, information in social networks has become an important basis for analyzing user preferences. However, the existing spatial keyword group query only focuses on the distance constraint between the user groups, and ignores the social relationship between the user and his friends, which may affect the query results. Therefore, in order to meet the diverse query needs of user groups and improve user satisfaction based on information in social networks, this paper proposes a social-aware spatial keyword top-k group query problem. This problem aims to retrieve a set of k groups of POI objects that satisfy the preferences of multiple users, taking into account spatial proximity, social relevance, and keyword constraints. To solve this problem, we first design a rank function to measure the correlation between the query set and the candidate set. Next, in order to improve the query efficiency, we develop a novel hybrid index structure, SAIR-tree, which comprehensively considers the attributes of social, spatial, and textual. Then, we propose an approximate algorithm and an exact algorithm, combining with the pruning strategy, can efficiently search the top-k result set. Finally, experiments on real dataset confirm the efficiency and accuracy of the proposed algorithms.
登录
查看更多内容
DOI：
10.1016/j.datak.2019.05.004
发表时间：
2019-07
期刊：
Data Knowl. Eng.
影响因子：
--
作者：
Zijun Chen;Tingting Zhao;Wenyuan Liu
通讯作者：
Zijun Chen;Tingting Zhao;Wenyuan Liu
DOI：
10.1145/2772600
发表时间：
2015-06
期刊：
ACM Trans. Database Syst.
影响因子：
--
作者：
Xin Cao;G. Cong;Tao Guo;Christian S. Jensen;B. Ooi
通讯作者：
Xin Cao;G. Cong;Tao Guo;Christian S. Jensen;B. Ooi
DOI：
10.24963/ijcai.2019/672
发表时间：
2019-08
期刊：
--
影响因子：
--
作者：
Chengcheng Yang;Lisi Chen;Shuo Shang;Fan Zhu;Li Liu;Ling Shao
通讯作者：
Chengcheng Yang;Lisi Chen;Shuo Shang;Fan Zhu;Li Liu;Ling Shao
DOI：
10.1145/1867699.1867707
发表时间：
2010-11
期刊：
--
影响因子：
--
作者：
Y. Doytsher;Ben Galon;Y. Kanza
通讯作者：
Y. Doytsher;Ben Galon;Y. Kanza
影响因子：
11.8
作者：
Jia Wu;Shirui Pan;Xingquan Zhu;Z. Cai
通讯作者：
Jia Wu;Shirui Pan;Xingquan Zhu;Z. Cai