Friendship and Mobility: User Movement In Location-Based Social Networks 阅读报告

1.论文数据来源：
2个社交网站的签到数据，和手机接听位置信息
2.如何确定用户住所位置？
参考文献：S. Scellato, A. Noulas, R. Lambiotte, and C. Mascolo.
Socio-spatial properties of online location-based social
networks. In ICWSM ’11, 2011.
将世界离散为25*25公里单元格，将其定义为签到次数最多的单元格中签到
位置的平均位置来推断出他们的位置[29]。手动检查表明，这可以以85％的准确度推断出居家位置。
3.统计用户签到次数与居家位置之间的关系
，给出函数分布发现遵循PowerLaw
幂次现象
wiki定义：https://en.wikipedia.org/wiki/Power_law
具有指数截止值，其中约有100 km 处有一个有趣的扭结
利用
A. Clauset, C. R. Shalizi, and M. E. J. Newman. Power-law
distributions in empirical data. SIAM Review, 2009.
找出
power law exponents
4.统计朋友家之间的分布
统计随机用户家之间的分布
发现在100公里处出现转折的纽结
它表明100 km 的扭结不是由于我们的社会互动的某些固有属性，而是由于人口密度不均匀的影响彼此之间相距100 公里以上的圈子成簇
5.现在着重于人的社交网络结构及其移动性的相互作用
首先给出社交关系和房屋距离的图像
6.如何判断A“拜访了”B？
如果A 在B的住所的半径r 内签到，则用户A“拜访”她的朋友B，将r 设置为25 km
7.plot三个图像，但不是很好理解
第一个：
统计朋友来访签到的比例与离家旅行距离的函数
第二个：
忽略社交网络关系，仅仅根据人口密度进行旅行，恰好在“访问朋友”的距离之内的可能性
第三个：
实际情况，（应该是忽略了最前面的数据），我不太懂
结论和假设：
朋友对个人流动性的影响。我们刚刚观察到远方朋友对个人行动能力的影响令人惊讶地增加。但是，到目前为止，我
们只能得出结论，一个人的旅行与其朋友家的位置之间的相对相关性随旅行的距离而增加。由于可以在用户移动之前或
之后建立友谊，因此有两种可能的解释。如果首先建立友谊，那么解释就是友谊会影响人们旅行的地方。但是，如果运动
先于友谊创建，那么影响/创建我们的社交网络的就是旅行。
8.先前的假设提出了两个可能，接下来对这两个可能进行检验
此处我暂时略过
9.使用友谊预测行动能力的局限性
（1）我们探索了一对用户的轨迹之间的联系，以及他们在社交网络中被连接的可能性。我们为每个用户创建一个
轨迹向量，其中第i 个分量计算用户签到位置i 的次数。然后，我们定义一对之间的轨迹相似度为轨迹之间的余弦相似度
（https://en.wikipedia.org/wiki/Cosine_similarity）
当一对用户拥有40％以上的共同签到时，则友谊概率高于0.3
”我们认为这是社会和地理同质性的强大存在“这应该是引用的一段话。
M. McPherson，L。Smith-Lovin 和JM Cook。鸟儿
羽毛：社交网络中的同性恋。社会学年度评论，2001 年，
第27（1）：415–444 页。
M. McPherson, L. Smith-Lovin, and J. M. Cook. Birds of a
feather: Homophily in social networks. Annual Review of
Sociology, 27(1):415–444, 2001.
(2)统计在签到某地之前，朋友签到过的可能性
尽管我们已经显示出轨迹相似性和友谊之间有很强的相关性，但是用户必须具有一定数量的签入重叠才能使轨迹相似
性有意义。
（3）调查签到过的地点之前签到过的比例
量化周期的一种方法是测量用户签到所占的比例，该访问
是对先前已经访问过的位置的访问。
（4）考察位置-时间熵
地理和时间周期性之间的联系
10.建模_人口流动模型
周期性移动模型（PMM）
我们基于这样的直觉，即人类
的大多数运动都是基于一小部分潜在状态（位置）之间的周
期性运动。为简单起见，我们仅使用两个潜在状态来介绍模
型（即使我们的模型可以处理任意数量的潜在状态）。人们
可以简单地将两个潜在状态视为“工作”和“家”。根据一
天中的时间，一个人的动作可能是
当它们“通勤”在两个位置之间时，它们以居家，工作或两个
位置之间的某个位置为中心。