Dissertação

{en_GB=GeoFriends: Recommendation System in Location-Based Social Networks} {} EVALUATED

{pt=Redes Sociais baseadas em localização são cada vez mais populares devido ao facto de hoje em dia ser extremamente facil para alguém obter e partilhar a sua localização. Este tipo de dados geográficos pode ser usado para ligar o mundo virtual com o mundo físico e assim, serviços baseados na localização podem melhorar a experiência de um utilizador no mundo real. Nesta tese avançamos nessa direção e pretendemos encontrar utilizadores semelhantes a partir dos seus históricos de localização, enquanto ao mesmo tempo os utilizadores interagem entre si usando anotações geográficas. É apresentado um sistema chamado GeoFriends que tem como principal objectivo extrair informação a partir de dados de localização para posteriormente usá-la para recomendar tanto utilizadores como informação que esteja nas proximidades. Além da abordagem tradicional de comparar coordenadas de uma localização, GeoFriends tem em conta factores extra como a sequência e a altura do dia em que os utilizadores frequentaram dada região. No que respeita a recomendação de informação nas proximidades, alguns problemas de escalabilidade são tidos em conta. Por exemplo, como lidar com a actualização de localização, possivelmente constante, de um utilizador. Entre outros, este cenário foi avaliado e concluimos que o GeoFriends escala muito melhor que uma abordagem directa. Por outro lado, usando um conjunto de dados públicos, constatámos que o GeoFriends é capaz de encontrar cerca de 55% dos amigos de qualquer utilizador usando apenas dados de localização., en=Location-based Social Networks are getting increasingly more popular due to the fact that nowadays it is extremely easy for someone to record and share his location. This type of geographical data can be used to link the physical and digital worlds and as such, location-based services can enhance the real world experience of their users. In this thesis we move towards this direction and aim at finding similar users from their location traces, while also letting them interact with each others via geographical annotations. A system called GeoFriends is presented which main objective is to retrieve information from location data, and use it to recommend both users and nearby content. In addition to the traditional approach of comparing locations’ coordinates, GeoFriends takes into account factors such as the sequence and the travel times between regions. GeoFriends tackles some scalability issues such as how to deal with the possible constant location updates from its users. We evaluated such scenarios and found that GeoFriends scales much better than a straight forward approach. Moreover, using a publicly available dataset, we found that GeoFriends was able to retrieve approximately 55% of any user’s friends using only location data.}
{pt=Redes Sociais baseadas em Localização, Extração de Informação, Semelhança de Utilizadores, en=Location-Based Social Networks, Content Sharing, Data Mining, User Similarity}

Novembro 2, 2017, 16:15

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Paulo Jorge Pires Ferreira

Departamento de Engenharia Informática (DEI)

Professor Associado