[论文解读] 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 17

一句话总结

本文提出了一种社会计算框架，通过利用空间、时间和社交网络特征，对无线网络中的移动大数据进行分析。该框架对现实世界的蜂窝网络数据进行分类，识别用户移动模式和社交互动等社交特征，并概述了通过社会计算技术优化网络规划、运营和营销的关键研究方向。

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.

研究动机与目标

• 通过社会计算的视角分析来自真实无线蜂窝网络的移动大数据。
• 识别并分类移动数据的空间、时间和社交维度。
• 突出社会计算在移动大数据领域中尚未充分探索的研究机遇。
• 弥合移动网络运营与社交网络分析之间的鸿沟，以实现更优的优化与服务交付。
• 为未来社会感知移动网络管理与分析研究提供基础。

提出的方法

• 基于空间、时间和社交网络维度对移动大数据进行分类。
• 应用社交网络分析技术，从移动数据中提取用户互动模式。
• 利用真实世界的蜂窝网络数据，识别用户聚类和移动趋势等社交特征。
• 结合机器学习与统计建模技术，检测移动数据中的社交特征。
• 提出一个将移动数据特征映射到无线网络中社会计算应用的框架。
• 利用实际网络运营数据，验证社会计算在移动大数据分析中的相关性。

实验结果

研究问题

• RQ1 社会计算技术如何应用于从无线网络移动大数据中提取有意义的模式？
• RQ2 蜂窝网络移动大数据中嵌入的关键社交特征是什么？
• RQ3 用户邻近度和互动频率等社交网络特征如何改善网络规划与优化？
• RQ4 将社会计算整合到移动网络运营中的最有前景的研究方向是什么？
• RQ5 社会计算在哪些方面可以增强移动网络维护、营销和服务个性化？

主要发现

• 移动大数据展现出丰富的社交特征，包括用户移动模式和社交互动趋势。
• 移动数据的空间和时间特征与社交网络结构具有强相关性。
• 社会计算通过识别高活跃用户集群和移动热点，支持更优的网络规划。
• 社会计算与移动大数据的融合支持更有效的网络维护与优化策略。
• 本研究识别出若干在社会感知移动网络分析中尚未充分探索的研究方向。
• 该框架展示了通过提取社交特征增强营销与服务个性化的潜力。