[論文レビュー] Social Computing for Mobile Big Data in Wireless Networks

Xing Zhang, Zhenglei Yi+5 more|arXiv (Cornell University)|Sep 30, 2016

Human Mobility and Location-Based Analysis参考文献 3被引用数 17

ひとこと要約

本稿は、空間的・時間的・ソーシャルネットワーク的特徴を活用することで、無線ネットワークにおけるモバイルビッグデータを分析するためのソーシャルコンピューティングフレームワークを提案する。実世界のセルラー網データを分類し、ユーザーの移動パターンやソーシャルインタラクションといったソーシャル特性を同定し、ソーシャルコンピューティング技術を用いたネットワーク計画・運用・マーケティングの最適化に向けた主な研究方向性を提示する。

ABSTRACT

Mobile big data contains vast statistical features in various dimensions, including spatial, temporal, and the underlying social domain. Understanding and exploiting the features of mobile data from a social network perspective will be extremely beneficial to wireless networks, from planning, operation, and maintenance to optimization and marketing. In this paper, we categorize and analyze the big data collected from real wireless cellular networks. Then, we study the social characteristics of mobile big data and highlight several research directions for mobile big data in the social computing areas.

研究の動機と目的

• 実際の無線セルラー網から得られるモバイルビッグデータを、ソーシャルコンピューティングの視点から分析すること。
• モバイルデータの空間的・時間的・ソーシャル的側面を特定し分類すること。
• モバイルビッグデータにおけるソーシャルコンピューティング分野における未解明の研究機会を浮き彫りにすること。
• モバイルネットワーク運用とソーシャルネットワーク分析を統合し、最適化とサービス提供の向上を図ること。
• 今後のソーシャルセンシティブなモバイルネットワーク管理および分析分野の研究基盤を提供すること。

提案手法

• 空間的・時間的・ソーシャルネットワーク的側面に基づいてモバイルビッグデータを分類する。
• ソーシャルネットワーク分析手法を適用し、モバイルデータからユーザーの相互作用パターンを抽出する。
• 実際のセルラー網データを用いて、ユーザーのクラスタリングや移動トレンドといったソーシャル特性を同定する。
• 機械学習および統計モデリングを統合し、モバイルデータ内のソーシャル特徴を検出する。
• モバイルデータの特徴を無線ネットワークにおけるソーシャルコンピューティング応用にマッピングするフレームワークを提案する。
• 実際のネットワーク運用から得たデータを活用し、ソーシャルコンピューティングのモバイルデータ分析における関連性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルコンピューティング技術をどのように活用すれば、無線ネットワークにおけるモバイルビッグデータから意味のあるパターンを抽出できるか？
• RQ2 セルラー網からのモバイルビッグデータに埋め込まれた主なソーシャル特性は何か？
• RQ3 ユーザーの接近度や相互作用頻度といったソーシャルネットワーク特徴は、ネットワーク計画および最適化をどのように改善できるか？
• RQ4 ソーシャルコンピューティングをモバイルネットワーク運用に統合するにあたり、最も有望な研究方向性は何か？
• RQ5 ソーシャルコンピューティングは、モバイルネットワークの保守・マーケティング・サービスパーソナライゼーションをどのように向上できるか？

主な発見

• モバイルビッグデータには、ユーザーの移動パターンやソーシャルインタラクショントレンドといった豊富なソーシャル特性が存在する。
• モバイルデータの空間的・時間的特徴は、ソーシャルネットワーク構造と強く相関している。
• ソーシャルコンピューティングにより、高活動ユーザークラスターや移動ホットスポットの同定が可能となり、ネットワーク計画の改善が図れる。
• ソーシャルコンピューティングとモバイルビッグデータの統合は、より効果的なネットワーク保守および最適化戦略を支援する。
• 本研究では、ソーシャルセンシティブなモバイルネットワーク分析分野における未解明の研究方向性を複数同定した。
• フレームワークは、ソーシャル特徴抽出を通じてマーケティングおよびサービスパーソナライゼーションの向上に潜在的効果を示している。