计算机科学与探索

作者：马志慧, 陈红梅, 杨培忠, 王丽珍

单位：1. 云南大学 信息学院，昆明 6505002. 云南大学 云南省智能系统与计算重点实验室，昆明 6505003. 滇池学院 理工学院，昆明 650228

关键词：位置社会网络,朋友关系预测,网络嵌入,时空信息

基金：国家自然科学基金（62266050，62276227，62306266）；云南省中青年学术和技术带头人后备人才项目（202205AC160033）。

位置社会网络（LBSN）是一类融合了朋友关系和用户签到轨迹的社会网络，其广泛应用于兴趣点推荐、活动策划和朋友关系预测等任务。然而，现有的朋友关系预测方法在处理用户签到轨迹时，在空间维度上忽略了用户的兴趣点偏好和空间约束，在时间维度上忽略了用户兴趣点偏好的动态变化。针对上述问题，提出融合多视角信息的朋友关系预测方法（FPIMV），旨在通过捕获用户签到轨迹中的空间、时间信息以及用户间的朋友关系等多视角信息，有效学习用户对嵌入，提升朋友关系预测效果。FPIMV模型在签到位置嵌入层，提出基于兴趣点相似性和邻近度的用户对嵌入方法，该方法有效捕获了用户的兴趣点偏好和空间约束；在签到时间嵌入层，提出基于签到时间局部和全局特征的用户对嵌入方法，该方法有效捕获了用户兴趣点偏好的动态变化；在社会关系嵌入层，基于元路径学习用户对嵌入，以捕获用户间的语义关系；最后，融合上述嵌入，提高用户对嵌入质量，进而提升朋友关系预测性能。在三个LBSN数据集上的实验结果表明，FPIMV模型在朋友关系预测任务上优于基线模型。

来源：2025年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第11期