استفاده روزافزون از رسانه‌های اجتماعی و پیشرفت‌های اخیر در فن‌آوری‌های موقعیت‌یابی جغرافیایی، حجم زیادی از داده‌های جغرافیایی، متشکل از اطلاعات مکانی، متنی و اجتماعی را برای مدیریت و پرس و جو تولید کرده است. در این مقاله، ما بر روی موضوع پردازش پرس و جو با ارائه مروری بر ادبیات سیستماتیک بازنمایی داده های جغرافیایی اجتماعی، روش های پردازش پرس و جو و رویکردهای ارزیابی منتشر شده در دو دهه گذشته (2000-2020) تمرکز می کنیم. نتیجه تجزیه و تحلیل ما دسته بندی پرس و جوهای جغرافیایی اجتماعی پیشنهاد شده توسط مطالعات بررسی شده، پرس و جوهای اولیه و نوع روش دسترسی مورد استفاده برای بازیابی نتیجه پرس و جوها، معیارهای ارزیابی رایج و مجموعه داده های مورد استفاده برای ارزیابی عملکرد پردازش پرس و جو را نشان می دهد. روش‌ها و چالش‌های اصلی که باید در آینده نزدیک با آن‌ها مواجه شوند.

کلید واژه ها:

شبکه های اجتماعی مبتنی بر مکان ؛ پردازش پرس و جو ؛ داده های جغرافیایی اجتماعی

1. مقدمه

افزایش استفاده از رسانه های اجتماعی که در سال 2020 به بیش از 3.8 میلیارد نفر در سراسر جهان رسیده است [ 1 ]، همراه با پیشرفت های اخیر در فناوری های موقعیت یابی جغرافیایی، حجم زیادی از داده های جغرافیایی، متشکل از اطلاعات مکانی، متنی و اجتماعی را تولید کرده است. ، مدیریت و پرس و جو شود. شبکه‌های جغرافیایی اجتماعی، که به عنوان شبکه‌های اجتماعی مبتنی بر مکان نیز شناخته می‌شوند، در دهه گذشته مورد توجه کاربران و جامعه علمی قرار گرفته‌اند. دو نمونه از محبوب‌ترین شبکه‌های جغرافیایی اجتماعی عبارتند از: Foursquare ( www.foursquare.com ، دسترسی به 22 دسامبر 2021) و Flickr ( www.flickr.com )، در 22 دسامبر 2021 قابل دسترسی است)، که عملکردهای شبکه اجتماعی را با اطلاعات جغرافیایی ترکیب می کند. برای نشان دادن این علاقه به اعداد، «شبکه های جغرافیایی اجتماعی» یا «شبکه های اجتماعی جغرافیایی» یا «شبکه های اجتماعی مبتنی بر مکان» را در عنوان مقالات علمی نمایه شده در موتور جستجوی Web of Science (WoS) جستجو کردیم تا همچنین بررسی علایق علمی موضوع نتایج در شکل 1 روند رو به رشدی را نشان می دهد که در سال 2018 به اوج خود رسید و نشان داد که جامعه علمی به موضوع شبکه های جغرافیایی اجتماعی در دوره 2010-2020 علاقه مند بوده است (هیچ نتیجه ای از سال 2000 تا 2009 برگردانده نشد).
به طور خاص، علاقه علمی محققان به شبکه‌های جغرافیایی اجتماعی عمدتاً به موضوعات تحقیقاتی زیر توجه داشت، همانطور که توسط Armenatzoglou و Papadias [ 2 ] تجزیه و تحلیل شد: مدیریت داده‌های اجتماعی و مکانی، پردازش پرس و جو، پیش‌بینی پیوند، توصیه‌ها، معیارها و ویژگی‌ها، و حریم خصوصی. مسائل برای نشان دادن علاقه به هر موضوع تحقیق به اعداد، مجدداً مقالات علمی نمایه شده در WoS را با محدود کردن جستجوی قبلی با افزودن یک کلمه کلیدی دیگر، مربوط به موضوعات تحقیقاتی Armenatzoglou و Papadias، که به طور منطقی به سه کلمه کلیدی قبلی («geosocial» پیوست شده است، جستجو کردیم. شبکه‌سازی» یا «شبکه‌های جغرافیایی اجتماعی» یا «شبکه‌های اجتماعی مبتنی بر مکان») با استفاده از اپراتور AND. جزئیات هر جستجو در جدول 1 ارائه شده است.
بنابراین، روند ارائه شده در شکل 1 و جدول 1 به ما نشان می دهد که شبکه های جغرافیایی اجتماعی یک موضوع محبوب است که توجه جامعه علمی را به خود جلب می کند. موضوعات اصلی تحقیق مورد بررسی در این موضوع، توصیه‌های داده‌های جغرافیایی اجتماعی است که کاربران را برای یافتن مکان‌ها و دوستان مرتبط، حریم خصوصی داده‌های حساس جغرافیایی اجتماعی کاربران، و پردازش پرس و جو که امکان استخراج داده‌های معنادار از پایگاه‌های اطلاعاتی جغرافیایی اجتماعی را تسهیل می‌کند، می‌باشد.
در این مقاله، ما با ارائه یک بررسی از بازنمایی داده‌های جغرافیایی اجتماعی، روش‌های پرس‌وجو، کاربردها و روش‌های ارزیابی، بر موضوع پردازش پرس و جو تمرکز می‌کنیم و متعاقباً یک مرور ادبیات سیستماتیک از 57 مقاله علمی منتشر شده در دو دهه گذشته (2000-2000) ارائه می‌کنیم. 2020) در مجلات مهم، کنفرانس ها و کارگاه های آموزشی و نمایه سازی شده توسط سه موتور جستجوی علمی اصلی (WoS، Scopus و Google Scholar).
اگرچه چندین نظرسنجی در چند سال اخیر پیشنهاد شده است که به موضوعات مختلف شبکه های جغرافیایی اجتماعی مورد بررسی توسط آرمناتزوگلو و پاپادیاس می پردازد (توصیه ها [ 3 ]، مسائل حریم خصوصی [ 4 ، 5 ]، مدیریت داده های اجتماعی و مکانی [ 6 ])، به بهترین دانش ما، هیچ یک از این نظرسنجی ها بر موضوع پردازش پرس و جو تمرکز نمی کند. با توجه به علاقه مداوم به این موضوع تحقیقاتی، نتایج این بررسی برای بسیاری از محققان و دست اندرکاران با به دست آوردن درک عمیقی از فرآیند پرس و جوی جغرافیایی اجتماعی و کاربردهای آن و چشم اندازهای احتمالی آینده ارزشمند است.
با هدف شناسایی روندها و فرصت های تحقیق در مورد پردازش پرس و جوهای جغرافیایی، اهداف اصلی پژوهشی این مقاله را می توان به شرح زیر بیان کرد:
  • برای مطالعه نحوه اعمال روش‌های پردازش پرس و جو برای داده‌های جغرافیایی اجتماعی توسط محققان و متخصصان، دسته‌بندی آنها بر اساس انواع پرس‌و‌جوهای جغرافیایی، نوع روش(های) مورد استفاده برای بازیابی نتیجه پرس و جو، نوع روش دسترسی، و فرصتی برای ارائه یک راه حل تقریبی؛
  • برای خلاصه کردن معیارها و مجموعه داده‌های مورد استفاده برای ارزیابی پرسش‌های جغرافیایی اجتماعی در شبکه‌های اجتماعی مبتنی بر مکان؛
  • برای اشاره به چالش های پژوهشی اولیه در این زمینه که از تحلیل ادبیات پدید آمده است.
باقی مانده از مقاله به شرح زیر سازماندهی شده است. یک مرور مختصر از تعاریف موجود LBSN یا شبکه های جغرافیایی اجتماعی و یک نمای کلی از فرآیند جستجوی داده های جغرافیایی اجتماعی در بخش 2 ارائه شده است . بخش 3 روش تحقیق اتخاذ شده برای انجام جستجوی ادبیات و تحلیل های انجام شده را معرفی می کند. نتایج تجزیه و تحلیل کمی در بخش 4 ارائه شده است. در بخش 5 ، ما نتایج مطالعه را با توجه به چهار سؤال مرور تعریف شده در مطالعه مورد بحث قرار می دهیم. در نهایت، در بخش 6 ، برخی از نکات پایانی را ارائه می کنیم.

2. مفاهیم مقدماتی

2.1. تعاریف LBSN یا شبکه های جغرافیایی اجتماعی

تعاریف متعددی برای «شبکه جغرافیایی اجتماعی» یا «شبکه اجتماعی مبتنی بر مکان» وجود دارد: اولین تعریف رسمی توسط Quercia و همکاران ارائه شد. [ 7 ] در سال 2010، که آن را به عنوان “نوعی از شبکه های اجتماعی که در آن خدمات و قابلیت های جغرافیایی مانند رمزگذاری جغرافیایی و برچسب گذاری جغرافیایی برای فعال کردن پویایی های اجتماعی اضافی استفاده می شود” تعریف کرد. یک سال بعد، ژنگ [ 8] این تعریف را با بیان اینکه «شبکه اجتماعی مبتنی بر مکان (LBSN) تنها به معنای افزودن یک مکان به یک شبکه اجتماعی موجود نیست تا افراد در ساختار اجتماعی بتوانند اطلاعات جاسازی شده مکان را به اشتراک بگذارند، بلکه شامل ساختار اجتماعی جدید ساخته شده نیز می شود. افرادی که به واسطه وابستگی متقابل ناشی از مکان‌هایشان در دنیای فیزیکی و همچنین محتوای رسانه‌ای برچسب‌گذاری‌شده با موقعیت مکانی، مانند عکس‌ها، ویدئوها و متون به هم مرتبط هستند. در سال 2013، Roick و Heuser [ 9 ] LBSN ها را صرفاً به عنوان «سایت های شبکه اجتماعی که اطلاعات مکان را در محتوای به اشتراک گذاشته شده شامل می شود» تعریف کردند. در نهایت، یکی از جدیدترین تعریف ها توسط Armenatzoglou و Papadias ارائه شده است [ 10] و به شرح زیر است: “شبکه جغرافیایی اجتماعی (GeoSN) یک شبکه اجتماعی آنلاین است که توسط اطلاعات جغرافیایی تقویت شده است”.
با توجه به تعاریف فوق، مشخص می شود که ویژگی LBSN ها پیوند اطلاعات/خدمات جغرافیایی با سایت های شبکه اجتماعی است که به کاربران LBNS اجازه می دهد از قابلیت های ارتباطی و اشتراک گذاری ارائه شده توسط شبکه های اجتماعی بهره مند شوند و موقعیت های جغرافیایی کاربران برای مکان یابی افزایش یافته است. محتوا، افراد و فعالیت ها در یک فضای فیزیکی.
برای مدل‌سازی روابط اجتماعی و جغرافیایی در آن، یک LBSN اغلب از طریق یک مدل جغرافیایی چند سطحی، با یک نمودار جغرافیایی G(V, E) نشان داده می‌شود. به عنوان مثال، یک گراف بدون جهت با مجموعه راس V و مجموعه یال E. هر رأس v ∈ V یک کاربر را نشان می دهد و یک یا چند مکان مکانی دارد ( vx i ، vy i ) با 1 ≤ i ≤ n در فضای دو بعدی مرتبط با n مکان بازدید شده توسط کاربر مربوطه، و دارای یک یا چند محتوای رسانه ای با موقعیت جغرافیایی m j ( vx i , vy i ) با 1 ≤ j≤ p مربوط به iامین مکان بازدید شده توسط کاربر مربوطه است. هر یال e = ( u ، v ) ∈ E نشان دهنده رابطه (مثلاً دوستی، علاقه مشترک، دانش مشترک و غیره) بین دو کاربر v و u ∈ V است. یک نمایش گرافیکی از یک نمودار جغرافیایی اجتماعی G(V, E) که یک LBSN را نشان می دهد در شکل 2 آورده شده است. همانطور که گائو و لیو [ 11 ] نیز پیشنهاد کردند، می توان سه لایه را متمایز کرد . اولین لایه، به نام لایه اجتماعی ، شامل کاربران LBSN و روابط بین آنها است. لایه دوم به نام مکانیا لایه جغرافیایی ، شامل اطلاعات جغرافیایی در فضای دو بعدی مرتبط با مکان های بازدید شده توسط کاربران است. آخرین لایه، به نام لایه محتوای رسانه ، حاوی اطلاعاتی در مورد محتوای رسانه ای است که توسط کاربران هنگام بازدید از مکان ها تولید/به اشتراک گذاشته شده است.

2.2. فرآیند جستجوی داده های جغرافیایی اجتماعی

برای پردازش پرس و جوهای جغرافیایی، انواع مختلفی از پرس و جوهای اولیه در ادبیات به عنوان عملیات اساسی تعریف شده اند که می توانند برای پاسخ به طیف گسترده ای از پرس و جوهای جغرافیایی همه منظوره با هم ترکیب شوند. همانطور که در [ 12 ] پیشنهاد شد، این نوع از پرس و جوهای اولیه را می توان در سه دسته با توجه به لایه گراف جغرافیایی اجتماعی که توسط پرس و جو اولیه مورد سوء استفاده قرار می گیرد گروه بندی کرد: اولیه پرس و جوی اجتماعی که از داده ها بر روی نمودار اجتماعی بهره برداری می کند، پرس و جوهای اولیه فضایی که از داده‌ها روی نمودار فضایی بهره‌برداری می‌کند، و پرس‌وجوهای اولیه‌ای که از داده‌ها روی نمودار محتوای رسانه بهره‌برداری می‌کنند. شرح مختصری از پرس و جوهای اولیه مورد استفاده در ادبیات پردازش پرس و جوی جغرافیایی در جدول 2 ارائه شده است .
علاوه بر پرس و جوهای اولیه، چندین اکتشافی یا الگوریتم اساسی برای بازیابی داده های جغرافیایی اجتماعی اعمال می شود. برخی از نمونه های موجود در ادبیات پرس و جوی جغرافیایی اجتماعی عبارتند از:
  • الگوریتم جستجوی بهترین اول: امکان کاوش مسیرها برای جستجو در نمودارهای جغرافیایی اجتماعی را با استفاده از یک تابع ارزیابی برای تصمیم‌گیری در میان گره‌های مختلف موجود، امیدوارکننده‌ترین کاوش است [ 13 ].
  • الگوریتم جستجوی عمق اول: امکان کاوش مسیرها برای جستجو در نمودارهای جغرافیایی اجتماعی را با شروع از یک گره معین و کاوش تا آنجا که ممکن است در امتداد هر شاخه قبل از عقب نشینی [ 14 ] می دهد.
  • الگوریتم جستجوی Dijkstra: امکان یافتن کوتاهترین مسیر بین آن گره و هر گره دیگر را برای یک گره منبع داده شده در نمودار جغرافیایی اجتماعی فراهم می کند [ 15 ].
  • الگوریتم شاخه و کران: امکان کاوش شاخه‌های نمودارهای جغرافیایی اجتماعی را که زیرمجموعه‌های مجموعه راه‌حل را نشان می‌دهند، با بررسی کران‌های تخمینی بالا و پایین در راه‌حل بهینه می‌دهد و سپس تنها راه‌حل‌های نامزد یک شاخه را برمی‌شمارد که می‌تواند پاسخ بهتری ایجاد کند. راه حل [ 16 ]؛
  • الگوریتم اندازه‌گیری و تسخیر: امکان کاوش شاخه‌های نمودارهای جغرافیایی اجتماعی را با استفاده از اندازه‌گیری (استاندارد) اندازه زیرمجموعه‌های مجموعه راه حل (مثلاً تعداد رئوس یا لبه‌های نمودارها و غیره) برای پایین‌تر کردن کران فراهم می‌کند. پیشرفت حاصل از الگوریتم در هر مرحله انشعاب [ 17 ].
چندین رویکرد نمایه سازی پرس و جو نیز در ادبیات به منظور بهینه سازی پردازش پرس و جوهای جغرافیایی اجتماعی و بازیابی سریع تمام داده هایی که یک پرس و جو نیاز دارد، توسعه داده شده است. روش‌های نمایه‌سازی موجود را می‌توان تقریباً به سه دسته طبقه‌بندی کرد: روش‌های نمایه‌سازی فضایی-اول، اجتماعی-اول و ترکیبی. روش‌های نمایه‌سازی فضایی اول، عامل فضایی را برای ساخت شاخص اولویت‌بندی می‌کنند و سپس آن را با عامل اجتماعی بهبود می‌بخشند. به عنوان مثال، MR-Tree [ 18 ]، GIM-tree [ 19 ]، TaR-tree [ 20 ]، و SIL-Quadtree [ 21 ]] از یک شاخص فضایی (مثلاً R-tree، Quad-tree، G-tree) استفاده می کند و آن را با اطلاعات متنی و اجتماعی اشیاء ادغام می کند. روش‌های نمایه‌سازی اجتماعی اول، روابط اجتماعی بین اشیاء را برای ساخت نمایه اولویت‌بندی می‌کنند و سپس آن را با اطلاعات مکانی اشیا بهبود می‌بخشند. نمایندگان این روش‌ها عبارتند از Social R-tree [ 22 ]، B-tree [ 23 ]، و 3D Friends Check-Ins R-tree [ 24 ] که هر کاربر را همراه با روابط اجتماعی‌اش فهرست می‌کند و سپس اطلاعات مکانی را یکپارچه می‌کند. در نهایت، شاخص‌های ترکیبی برای ذخیره اطلاعات مکانی و اجتماعی اشیاء ایجاد شده‌اند که اولویت یکسانی به آنها می‌دهد. به عنوان مثال، NETR-tree [ 25 ]، CD-tree [ 26 ] و SaR-tree [ 27 ]، 28 ] هم اطلاعات اجتماعی و هم اطلاعات مکانی را به دو بخش عمده از اطلاعات رمزگذاری می کند که برای هرس فضای جستجو در طول زمان پرس و جو استفاده می شود.

3. روش تحقیق

این بخش روش مورد استفاده برای انجام یک جستجوی ادبیات عینی و قابل تکرار برای تجزیه و تحلیل سیستماتیک دانش تحقیق منتشر شده و پاسخ به سؤالات تحقیق ما را نشان می دهد. برای این منظور، روش علمی به نام مرور ادبیات سیستماتیک (SLR) را انتخاب کرده ایم. به طور خاص، ما فرآیند SLR را دنبال کرده‌ایم که در توصیه‌های Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) شرح داده شده است [ 29 ]. مراحل فرآیند SLR، مطابق با این مطالعه، می تواند به شرح زیر خلاصه شود: (1) شناسایی تمرکز بازبینی. (2) مشخص کردن سؤال(های) بررسی؛ (3) شناسایی مطالعاتی که باید در بازبینی گنجانده شود. (4) استخراج داده ها و ارزیابی کیفیت مطالعه. (5) ترکیب یافته ها. و (6) گزارش نتایج.

3.1. شناسایی کانون بررسی

با توجه به گام اول، این بررسی بر تجزیه و تحلیل و نظام‌مند کردن دانش علمی مرتبط با پردازش پرس و جوی جغرافیایی اجتماعی در شبکه‌های اجتماعی مبتنی بر مکان متمرکز است. به طور خاص، هدف ما مطالعه روش‌های پردازش پرس و جو، روش‌های ارزیابی، و چالش‌های باز پیش‌بینی‌شده توسط محققان و متخصصان در کارهای علمی آنهاست.

3.2. مشخص کردن سوالات بررسی

این هدف تحقیق با تلاش برای تعریف سؤالات مروری زیر (RQ)، همانطور که در مرحله 2 پروتکل SLR لازم است، پرداخته شده است:
  • پرسش 1: چه نوع پرس و جوهای جغرافیایی اجتماعی در ادبیات پیشنهاد شده است؟ هدف این سوال شناسایی دسته‌های اصلی پرسش‌های جغرافیایی است.
  • پرسش 2: روش های پردازش پرس و جو برای داده های جغرافیایی اجتماعی چه هستند؟ هدف این سوال شناسایی روش ها و الگوهای پرس و جو و روندها است.
  • پرسش 3: روش های پردازش پرس و جوهای جغرافیایی اجتماعی چگونه ارزیابی می شوند؟ هدف این سوال شناسایی معیارها و مجموعه داده های مورد استفاده برای ارزیابی پرس و جوهای جغرافیایی اجتماعی در LBSN است.
  • پرسش 4: کدام چالش های باز در پرس و جوی جغرافیایی اجتماعی پیش بینی شده است؟ هدف این سوال شناسایی چالش ها و جهت گیری های تحقیقاتی آتی در حوزه مورد مطالعه است.

3.3. شناسایی مطالعات برای گنجاندن در مرور

هنگامی که تمرکز بررسی و سؤالات بررسی مطالعه را شناسایی کردیم، مرحله بعدی فرآیند SLR شناسایی مطالعاتی است که باید در بررسی گنجانده شود. این مرحله شامل چهار مرحله زیر است که توسط بیانیه PRISMA [ 29 ] توصیه شده است، همانطور که در نمودار جریان شکل 3 نشان داده شده است : (1) شناسایی رکوردها از طریق جستجوی پایگاه داده و سایر منابع (مرحله شناسایی). (2) نمایش و حذف سوابق (مرحله غربالگری)؛ (3) مقالات متن کامل را برای واجد شرایط بودن ارزیابی کنید (مرحله واجد شرایط بودن). و (4) شامل مطالعات برای تجزیه و تحلیل کیفی (فاز شامل).
برای شناسایی مجموعه اولیه مقالات علمی، رشته های جستجوی زیر را تعریف کردیم: (“شبکه اجتماعی مبتنی بر مکان*” یا “شبکه اجتماعی جغرافیایی*” یا “شبکه اجتماعی جغرافیایی*” یا “LBSN*” یا “شبکه جغرافیایی اجتماعی” یا “شبکه اجتماعی جغرافیایی*” شبکه‌های اجتماعی مبتنی بر مکان» یا «شبکه‌های جغرافیایی اجتماعی») و «پرسش*».
این عبارات از سؤالات تحقیق برای نشان دادن دانش علمی که می خواهیم جستجو کنیم انتخاب شدند. علاوه بر این، مترادف ها و اصطلاحات مرتبط موجود در ادبیات علمی را گنجانده ایم. به عنوان مثال، “شبکه اجتماعی مبتنی بر مکان” به عنوان “شبکه اجتماعی جغرافیایی” یا “شبکه جغرافیایی اجتماعی” نیز شناخته می شود. علاوه بر این، اصطلاحات مرتبط با «شبکه اجتماعی مبتنی بر مکان»، «شبکه اجتماعی مبتنی بر مکان» و «شبکه جغرافیایی اجتماعی» هستند. بنابراین، ما همه این عبارات را در رشته های جستجو قرار دادیم.
منابعی که ما در جست‌وجوی خود برای شناسایی آثار علمی استفاده می‌کنیم دو دسته هستند: (1) پایگاه‌های اطلاعاتی علمی نمایه‌شده حاوی ادبیات رسمی منتشر شده (مثلاً مقالات مجلات منتشر شده، مجموعه مقالات کنفرانس، کتاب). و (ii) پایگاه‌های اطلاعاتی غیر نمایه‌شده حاوی ادبیات خاکستری (مانند پایان‌نامه‌ها و پایان‌نامه‌ها، گزارش‌های تحقیقاتی و کمیته‌ها، گزارش‌های دولتی، پیش‌چاپ، و غیره). ما انتخاب کردیم که ادبیات خاکستری را نیز در مرور سیستماتیک خود بگنجانیم زیرا چندین مطالعه بر اهمیت در نظر گرفتن آن برای جلوگیری از از دست دادن شواهد قابل توجه تاکید کرده اند [ 30 , 31]. با توجه به اولین نوع منبع، مجموعه هسته Scopus و Web of Science (WoS) به عنوان جامع ترین پژوهش علمی منتشر شده شناسایی شدند. انتخاب استفاده از آنها به دلیل چند رشته ای بودن آنها بود که به پوشش دامنه وسیع تری از ادبیات بازیابی شده در مورد پایگاه های داده دامنه محور بیشتر اجازه می دهد. علاوه بر این، Scopus یکی از بزرگترین پایگاه‌های اطلاعاتی است که حاوی بیش از 76 میلیون رکورد انتشار است، و WoS عمق بیشتری از پوشش حاوی ادبیات منتشر شده بیش از 15 سال را فراهم می‌کند. بنابراین، آنها مکمل یکدیگر هستند. با توجه به نوع دوم پایگاه داده، Google Scholar در این بررسی برای بازیابی ادبیات خاکستری استفاده شد، زیرا چندین مطالعه اثربخشی آن را در جستجوی ادبیات خاکستری در مرورهای سیستماتیک ثابت کرده‌اند [ 32 ، 33 ]].
نتایج جستجو در مرحله غربالگری بر اساس معیارهای ورود و خروج شرح داده شده در جدول 3 فیلتر شدند . به طور خاص، معیارهای حذف تکراری (e1) و قابل درک بودن (e3) و معیارهای ورود زمانی (i2) و ارتباط (i1) بر اساس عناوین مطالعات اعمال شد. معیار قابل درک برای مشکلات بررسی محتوای مقالاتی که به زبان انگلیسی نوشته نشده اند، فرموله شده است.
در مرحله واجد شرایط بودن، معیار خروج از دسترس بودن (e2) و معیارهای ورود مرتبط (i1) بر اساس چکیده مطالعات اعمال شد. معیار در دسترس بودن برای عدم امکان تجزیه و تحلیل محتوای مقالاتی که به صورت متن کامل در دسترس نیستند، فرموله شد. بکارگیری این معیارها امکان شناسایی انتشارات واجد شرایط را برای ایجاد شواهدی در مورد روش های مختلف پردازش پرس و جوی جغرافیایی و طرح های نمایش داده ها فراهم می کند.

3.4. استخراج داده ها و ارزیابی کیفیت مطالعه

سپس متن کامل مقالات واجد شرایط توسط دو داور که آنها را بر اساس چک لیست ارزیابی کیفیت متشکل از چهار سؤال، همانطور که در جدول 4 نشان داده شده است، مورد تجزیه و تحلیل قرار دادند . پاسخ‌های احتمالی (با نمرات مربوط به آنها) برای هر سؤال ارزیابی کیفیت، همانطور که در ستون دوم جدول 4 نشان داده شده است، تعریف شده‌اند . در صورت عدم توافق، مقالات «مخالف» توسط ناظم مورد بررسی قرار گرفت و مجدداً آنها را ارزیابی و نمرات نهایی را ارائه کرد.
مطالعاتی که امتیاز کمتر از «2» داشتند از تجزیه و تحلیل کیفی حذف شدند، در حالی که مقالاتی که نمره «2» یا بیشتر داشتند در مرور سیستماتیک گنجانده شدند.
در نهایت متن کامل مقالات ارائه شده مورد تجزیه و تحلیل قرار گرفت و اطلاعات زیر از آنها استخراج شد (در صورت وجود):
  • نوع پرس و جوی جغرافیایی اجتماعی؛
  • روش پردازش پرس و جو جغرافیایی.
  • روش نمایه سازی؛
  • راه حل تقریبی (در صورت وجود)؛
  • روش(های) ارزشیابی؛
  • معیار(های) ارزیابی؛
  • مجموعه داده های ارزیابی؛
  • چالش های آینده/باز
دو مرحله آخر فرآیند SLR، یعنی ترکیب یافته ها و گزارش نتایج، در بخش های بعدی به تفصیل توضیح داده خواهد شد.

4. نتایج SLR و تجزیه و تحلیل کمی

در طول مرحله شناسایی، که در بخش 3.3 توضیح داده شده و در شکل 3 نشان داده شده است، در مجموع 4312 مقاله با استفاده از سه موتور جستجو (بازیابی شده در مارس 2021): 4054 از Google Scholar، 172 از Scopus، و 86 از Web of Science، بازگردانده شد. به ترتیب.
مطابق با معیار تکرار، حذف رکوردهای تکراری منجر به 4075 مقاله شد. همچنین بدون احتساب مقالاتی که به زبان انگلیسی نوشته نشده اند (معیار قابل درک بودن)، در مجموع 3943 مقاله برای معیارهای ورود غربالگری شدند. استفاده از معیار زمانی منجر به حذف هیچ مقاله ای نشد زیرا همه مقالات بازیابی شده در دوره 2000-2020 منتشر شده بودند. معیار ربط با جستجوی عبارت “quer*” در عناوین مقالات اعمال شد که منجر به 208 مقاله در پایان مرحله غربالگری شد.
حذف مقالاتی که به صورت متن کامل در دسترس نیستند (11 مطالعه برای معیار در دسترس بودن) و مقالات غیر مرتبط (130 مطالعه برای معیار ارتباط) با اعمال معیار مرتبط بودن به چکیده مقالات، در مجموع 67 مقاله انتخاب شد. برای ارزیابی کامل واجد شرایط بودن حفظ شد. به طور خاص، مقالاتی که به صورت چکیده در مورد جستارهای جغرافیایی اجتماعی صحبت نمی کنند، حذف شدند.
دو بازبین این 67 مطالعه را بر اساس چک لیست ارزیابی کیفیت نشان داده شده در جدول 4 ارزیابی کردند. هفت مطالعه که امتیاز کمتر از “2” داشتند حذف شدند، در حالی که 57 مطالعه باقی مانده در ترکیب کیفی گنجانده شدند و اطلاعات فهرست شده در بخش 3.4 از متن کامل آنها استخراج شد. جدول 5 نمای کلی از مطالعات انتخاب شده را ارائه می دهد که در آن مرجع، نوع انتشار، سال انتشار، ناشر، و تعداد استناد (از Google Scholar) برای هر مطالعه ارائه شده است.
مطالعات منتخب عمدتاً در مجلات (50.88٪ – 29 مطالعه) منتشر شده است، پس از آن مجموعه مقالات کنفرانس (43.86٪ – 25 مطالعه)، پایان نامه ها (3.51٪ – 2 مطالعه)، و تنها 1 پیش چاپ (1.75٪). بنابراین، اکثر مطالعات (94.74٪) مطالعات رسمی منتشر شده (مقالات مجلات و کنفرانس) هستند، در حالی که تنها 5.26٪ از ادبیات خاکستری (پایان نامه و پیش چاپ) تشکیل شده است.
توزیع زمانی انتشارات انتخاب شده، که در شکل 4 نشان داده شده است ، بر علاقه روزافزون جامعه علمی به موضوع پرس و جوی جغرافیایی اجتماعی تأکید می کند که در سال 2010 شروع به رشد کرد و در سال 2020 به رشد خود ادامه می دهد.

5. یافته ها و بحث

این بخش چگونگی پاسخ 57 مطالعه منتخب به چهار سؤال مروری معرفی شده در بخش 3.2 را تحلیل می کند. به طور خاص، برای مقابله با RQ1، ما با تجزیه و تحلیل و طبقه بندی انواع پرس و جوهای جغرافیایی اجتماعی شروع می کنیم. با توجه به RQ2، روش های پردازش پرس و جو اعمال شده برای داده های شبکه جغرافیایی اجتماعی استخراج و طبقه بندی می شوند. با پرداختن به RQ3، معیارها و مجموعه داده های مورد استفاده برای ارزیابی پرس و جوهای جغرافیایی اجتماعی در LBSN تجزیه و تحلیل می شوند. در نهایت، به عنوان بخشی از RQ4، چالش های باز در پرس و جوی جغرافیایی اجتماعی پیشنهاد شده در این مطالعات تحلیل می شوند.

5.1. پرسش 1: چه نوع جستارهای جغرافیایی اجتماعی در ادبیات پیشنهاد شده است؟

برای پاسخ به پرسش اول، ابتدا به انواع پرسش‌های پیشنهاد شده توسط مطالعات انتخاب شده و سپس به محدودیت‌های (اجتماعی، مکانی، زمانی) در نظر گرفته شده نگاه می‌کنیم.
بر اساس تجزیه و تحلیل خود، ما هفت دسته از پرس و جوهای جغرافیایی اجتماعی (همانطور که در شکل 5 ارائه شده است ) را شناسایی کردیم که هم روابط اجتماعی و هم روابط فضایی را در نظر می گیرند: جستارهای گروه های جغرافیایی اجتماعی، پرس و جوهای کلیدواژه جغرافیایی، پرس و جوهای کلیدی geosocial، پرس و جوهای خط افق جغرافیایی جغرافیایی، پرسش های متحرک اجتماعی geosocial، پرس و جوهای فازی و جستارهای جغرافیایی نزدیکترین همسایه. علاوه بر این، در میان مطالعات انتخاب شده، سه چارچوب وجود داشت که مجموعه‌ای از پرس و جوهای اولیه ضروری برای پرس و جوهای جغرافیایی اجتماعی را ارائه می‌کرد.
در پاراگراف های بعدی، به طور مختصر هر دسته از جستارهای جغرافیایی اجتماعی تعریف شده در بالا را مورد بحث قرار می دهیم.

5.1.1. پرس و جوهای گروه جغرافیایی اجتماعی

پرشمارترین دسته پرس و جوهای جغرافیایی اجتماعی، پرس و جو گروهی با 25 مطالعه (85/43 درصد) است که امکان یافتن گروهی از کاربران نزدیک به یکدیگر را از نظر اجتماعی و جغرافیایی فراهم می کند. به طور کلی، مطالعات مربوط به این نوع پرس و جو از پرس و جوهای فضایی (به عنوان مثال، محدوده، k نزدیکترین همسایه، پیوستن فضایی) برای یافتن کاربران نزدیک جغرافیایی و ادغام آنها با در نظر گرفتن مفاهیم گروه بندی برای یافتن کاربران اجتماعی نزدیک شروع می شود. این منجر به چندین نوع پرس و جو می شود ( جدول 6 را ببینید ) که در اینجا در کلاس جستارهای گروه های جغرافیایی اجتماعی گروه بندی کرده ایم . نمونه ای از یک پرس و جو گروه جغرافیایی، الهام گرفته از کار در [ 74 ]، در شکل 6 نشان داده شده است .
انواع اصلی محدودیت های فضایی که در این مطالعات اعمال شده اند عبارتند از:
  • فاصله: توابع فاصله معمولی فاصله اقلیدسی برای مواردی هستند که در یک منطقه کوچک قرار دارند. فاصله شبکه، که طول کوتاه ترین مسیر بین موارد موجود در شبکه جاده منطقه جستجو است. و فرمول هاورسین، که فاصله بین موارد روی سطح یک کره است [ 43 ].
  • محدوده: مکان آیتم های بازیابی شده (کاربران/اشیاء/PoIs) در منطقه پرس و جو قرار دارند.
  • پوشش: پوشش مجموعه ای از نقاط پرس و جو حداقل مستطیلی است که تمام نقاط پرس و جو را در بر می گیرد.
  • هزینه سفر، که هزینه مورد انتظار یک سفر مستقیم از یک مورد به کالای دیگر است.
بیش از نیمی از مطالعات از فاصله (عمدتا اقلیدسی) برای اندازه گیری فاصله فضایی بین دو نقطه در فضا استفاده می کنند. هشت مطالعه محدودیت هزینه سفر را اعمال می کنند، تنها 3 کار از محدودیت محدوده استفاده می کنند، و 2 مطالعه پوشش را مطالعه می کنند ( جدول 7 را ببینید ).
محدودیت های اجتماعی که در این مطالعات اعمال شده است به شرح زیر است:
  • دوستی: در یک شبکه جغرافیایی اجتماعی، روابط دوستی مربوط به لبه های بین دو گره است که کاربران را نشان می دهد.
  • امتیاز علاقه/برجستگی: علاقه(ها)/برجستگی(های) یک کاربر یا گروهی از کاربران در اشیاء فضایی مشروح شده توسط یک یا چند کلمه کلیدی را در نظر می گیرد و می توان آن را با بررسی های خود در این اشیاء فضایی محاسبه کرد.
  • نزدیکی: کاربران در یک گروه اجتماعی را با توجه به نزدیکی شرکت کنندگان نامزد به مکان های مربوطه در دنیای فیزیکی، و گاهی اوقات حتی رتبه بندی نقاط مونتاژ به عنوان مرجع اضافی، محدود می کند [ 38 ].
  • آشنایی: حداقل درجه آشنایی اعضای گروه را تحمیل می کند (که ممکن است شامل q باشد). به عنوان مثال، هر کاربر در گروه باید حداقل با k کاربر دیگر آشنا باشد [ 52 ]. معیاری برای انسجام گروهی است. مقدار k را می توان با توجه به حداقل فاصله اجتماعی تعریف کرد که باید کمتر یا مساوی یک مرز اجتماعی قابل قبول باشد.
اکثر مطالعات (10 مطالعه) محدودیت آشنایی را اعمال می کنند، در حالی که 9 اثر از محدودیت علایق/ترجیحات استفاده می کنند، 5 مطالعه محدودیت دوستی را اعمال می کنند، و 3 مطالعه نزدیکی را به کار می برند ( جدول 7 را ببینید ). محدودیت آشنایی اجازه می دهد تا از یافتن گروهی با اعضای ناآشنا با بازیابی یک زیر گروه منسجم در شبکه جغرافیایی اجتماعی اجتناب کنید.
در نهایت، تنها یک مطالعه [ 39 ] که پرس‌وجوهای گروه‌های جغرافیایی اجتماعی را پیشنهاد می‌کند، علاوه بر محدودیت‌های مکانی و اجتماعی، محدودیت‌های زمانی را برای بازیابی یک گروه اشتراک‌گذاری سواری منسجم شامل می‌شود.
5.1.2. پرس و جوهای کلیدواژه جغرافیایی اجتماعی
به طور کلی، مطالعاتی که به این نوع پرس و جو می پردازند، از پرس و جوهای کلیدواژه فضایی مرسوم شروع می شوند تا اشیایی را پیدا کنند که از نظر مکانی و متنی با کلمات کلیدی ارائه شده توسط کاربر مرتبط هستند و با در نظر گرفتن معیارهای جمعی و اجتماعی برای یافتن این اشیا، آنها را ادغام کنند. تعداد مطالعات بررسی شده که به این کلاس از پرس و جوهای جغرافیایی اجتماعی تعلق دارند، 15 مورد (26.31%) است ( جدول 8 را ببینید ). نمونه ای از پرس و جو کلمه کلیدی جغرافیایی، الهام گرفته از کار در [ 40 ]، در شکل 7 نشان داده شده است .
نوع محدودیت های فضایی که در این مطالعات اعمال شده است دو مورد است: (1) فاصله، که قبلاً در بخش فرعی قبلی در “پرس و جوهای گروه های جغرافیایی” تعریف شده است. و (ii) هزینه، که بر اساس دو نوع تابع هزینه محاسبه می شود، حداکثر هزینه مجموع و هزینه قطر. حداکثر هزینه مجموع به عنوان ترکیب خطی حداکثر فاصله بین پرس و جو و یک گره در مجموعه POI [ 40 ] تعریف می شود، در حالی که هزینه قطر به عنوان حداکثر فاصله بین هر جفت گره در مجموعه POI [ 64 ] تعریف می شود. . مشابه پرس و جو گروه جغرافیایی اجتماعی، اکثر مطالعات (9 مطالعه) از فاصله برای اندازه گیری فاصله مکانی استفاده می کنند، در حالی که 6 مطالعه از هزینه استفاده می کنند.
با توجه به محدودیت‌های اجتماعی، علاوه بر روابط دوستی بین گره‌های شبکه، محدودیت‌های اجتماعی دیگری که در این مطالعات اعمال شده‌اند به شرح زیر است:
  • ارتباط: از تعداد طرفداران و رابطه بین این طرفداران و کاربر پرس و جو به دست می آید، جایی که فن کاربری است که رفتار مثبتی نسبت به یک شی نشان می دهد (به عنوان مثال، ورود، پسندیدن، اشتراک گذاری، و غیره) [ 23 ]؛
  • اثر رابطه: می توان آن را با شباهت بردارهای تعبیه شده بین کاربران و همسایگان آنها با تمام رکوردهای ورود کاربران اندازه گیری کرد [ 25 ].
اکثر این مطالعات (4 مطالعه) محدودیت ارتباط را اعمال می کنند، در حالی که 2 مطالعه محدودیت دوستی را اعمال می کنند و تنها 1 کار از محدودیت اثر رابطه استفاده می کند ( جدول 9 را ببینید ).
علاوه بر این محدودیت‌های اجتماعی، چندین پرسش کلیدواژه جغرافیایی اجتماعی (8 مطالعه) یک محدودیت جمعی را اعمال می‌کنند، به این معنی که کلمات کلیدی گروه به طور جمعی کلمات کلیدی پرس و جو را پوشش می‌دهند.
5.1.3. پرس و جوهای Top-k Geosocial
سومین کلاس پرتعداد پرس و جوهای جغرافیایی، پرس و جوی top-k geosocial با 11 مطالعه (19.3%) است ( جدول 10 را ببینید ). به طور کلی، مطالعاتی که به این نوع پرس و جو می پردازند، بر پرس و جوهای مرسوم top-k تکیه می کنند که اشیاء top-k را بر اساس یک تابع امتیازدهی تعریف شده توسط کاربر بازیابی می کنند و معنای پرس و جوی top-k را با در نظر گرفتن مؤلفه های مرتبط فضایی و اجتماعی غنی می کنند. تابع امتیازدهی را محاسبه کنید نمونه ای از پرس و جوی top-k geosocial، الهام گرفته از کار [ 71 ]، در شکل 8 نشان داده شده است .
همه مطالعات، فاصله تعریف شده در بخش فرعی قبلی در “پرس و جوهای گروه های جغرافیایی” را به عنوان یک محدودیت فضایی برای پرس و جو اعمال می کنند.
با توجه به محدودیت‌های اجتماعی، علاوه بر اثر دوستی، ارتباط و رابطه، که قبلاً در کلاس‌های قبلی پرسش‌ها ذکر و توضیح داده شد، محدودیت‌های اجتماعی دیگری که در این مطالعات اعمال شده‌اند به شرح زیر است:
  • محبوبیت: با کمی کردن تعداد کاربرانی که مکان را در نزدیکترین همسایگان خود دارند، بدست می آید [ 42 ] .
  • ارتباط اجتماعی: ارتباط اجتماعی یک نمودار جغرافیایی اجتماعی را می توان به عنوان چگالی نمودار تعریف کرد و با فرمول ارائه شده اندازه گیری شد [ 78 ].
اکثر این مطالعات (7 مطالعه) محدودیت ارتباط را اعمال می کنند، در حالی که 4 مطالعه محدودیت دوستی را اعمال می کنند و تنها 1 اثر از اثر رابطه، محبوبیت یا محدودیت اتصال استفاده می کند ( جدول 11 را ببینید ).
در نهایت، دو مطالعه [ 24 ، 25 ] که پرس و جوهای top-k جغرافیایی اجتماعی را پیشنهاد می‌کنند، علاوه بر محدودیت‌های مکانی و اجتماعی، محدودیت‌های زمانی را نیز شامل می‌شوند.
5.1.4. پرس و جوهای خط افق جغرافیایی
اپراتور skyline توسط Borzsony و همکاران معرفی شد. [ 79 ] برای بازیابی مجموعه ای از اشیاء داده O که تحت سلطه دیگران نیستند، به این معنی که هر مجموعه دیگری از شی O’ برای همه ویژگی های پرس و جو بدتر از O است. مقوله پرس و جو خط افق جغرافیایی با در نظر گرفتن روابط اجتماعی صاحب پرس و جو برای بازیابی مجموعه ای از اشیاء داده O. 6 مورد از مطالعات بررسی شده (10.5٪) به این کلاس از پرس و جوهای جغرافیایی تعلق دارند (به این دسته از پرس و جوهای جغرافیایی تعلق دارند). جدول 12 ). نمونه ای از یک پرس و جو خط افق جغرافیایی، الهام گرفته از کار در [ 55 ]، در شکل 9 نشان داده شده است .
به طور مشابه به مقوله پرس و جوهای top-k geosocial، همه مطالعاتی که پرس و جوهای خط افق جغرافیایی اجتماعی را پیشنهاد می کنند، فاصله را به عنوان یک محدودیت فضایی پرس و جو اعمال می کنند.
با توجه به محدودیت‌های اجتماعی، علاوه بر دوستی، ارتباط و آشنایی که قبلاً در دسته‌بندی‌های قبلی پرسش‌ها ذکر و توضیح داده شد، محدودیت‌های اجتماعی دیگری که در این مطالعات اعمال شده‌اند به شرح زیر است:
  • نفوذ اجتماعی: برای بازیابی دوستانی که روابط اجتماعی نزدیک تری دارند استفاده می شود و بر اساس ارتباطات اجتماعی و شباهت فعالیت های ثبت نام [ 50 ] محاسبه می شود.
  • شباهت اجتماعی: میزان نزدیکی افراد از نظر اجتماعی را اندازه می گیرد. چندین روش برای اندازه‌گیری این مجاورت در ادبیات پیشنهاد شده‌است، و بهترین آنها روش پیاده‌روی تصادفی با راه‌اندازی مجدد و الگوریتم رنگ‌آمیزی نشانک است که همه راه‌های بین دو کاربر را در نظر می‌گیرد [ 55 ].
از نظر تعداد، کاربردی ترین محدودیت اجتماعی در این دسته، محدودیت دوستی (2 مطالعه) است و به دنبال آن محدودیت های نفوذ اجتماعی، شباهت اجتماعی، ارتباط و آشنایی با هر مطالعه (به جدول 13 مراجعه کنید ).
5.1.5. جستارهای جغرافیایی نزدیکترین همسایه
چن و لو [ 80 ] پرس و جوی نزدیکترین همسایه (NN) را به عنوان پرس و جوی با هدف یافتن مجموعه ای از نزدیکترین آیتم ها (کاربران/اشیاء/PoIs) به نقطه پرس و جو از نظر فاصله مکانی تعریف می کنند. محبوب ترین نوع پرس و جوی NN، پرس و جوی k-nearest همسایه (k-NN) است که k-نزدیک ترین نقاط را به نقطه پرس و جو بازیابی می کند. نمونه ای از یک پرس و جو k-NN، استخراج شده از [ 46 ]، در شکل 10 ارائه شده است . پرس و جوی NN geosocial محاسبه نزدیکترین موارد را با در نظر گرفتن نه تنها فاصله مکانی بلکه معیارهای اجتماعی برای یافتن این اشیاء را گسترش می دهد. ده مورد از مطالعات مورد بررسی (5/17%) به این دسته از پرس و جوهای جغرافیایی اجتماعی تعلق دارند ( جدول 14 را ببینید ).
محدودیت‌های فضایی که در این مطالعات اعمال شده‌اند، مسافت و هزینه‌های سفر هستند که قبلاً در بخش فرعی «پرسش‌های گروه جغرافیایی اجتماعی» تعریف شده‌اند. به طور خاص، 8 مطالعه مسافت را اعمال می کنند، در حالی که فقط 2 مطالعه هزینه سفر را اعمال می کنند ( جدول 15 را ببینید ).
با توجه به محدودیت‌های اجتماعی، پنج نوع محدودیت اجتماعی مختلف در این مطالعات اعمال شده است: محدودیت دوستی که با 3 مطالعه بیشترین کاربرد را در این دسته دارد و پس از آن محدودیت‌های محبوبیت، نزدیکی و آشنایی با 2 مطالعه و ارتباط با 1 مطالعه
در نهایت، یک مطالعه [ 20 ] که پرس و جوهای NN جغرافیایی اجتماعی را پیشنهاد می‌کند، علاوه بر محدودیت‌های مکانی و اجتماعی، محدودیت‌های زمانی را نیز در بر می‌گیرد.
5.1.6. جستارهای جابجایی جغرافیایی اجتماعی
پرس و جوهای متحرک نوع مهمی از پرس و جو از اشیاء متحرک هستند که مجموعه ای از اشیاء را درخواست می کنند که محدودیت های پرس و جو مکانی را در یک بازه زمانی معین برآورده کنند. پرس و جوهای متحرک جغرافیایی، درخواست های پرس و جو را به تنوع در روابط اجتماعی، علاوه بر حرکات با ویژگی های مکانی و زمانی، بزرگ می کنند [ 63 ]. سه مورد از مطالعات مورد بررسی (26/5%) به این دسته از پرس و جوهای جغرافیایی اجتماعی تعلق دارند ( جدول 16 را ببینید ).
به طور مشابه به مقوله پرس و جوهای top-k geosocial، تمام مطالعاتی که پرس و جوهای متحرک جغرافیایی اجتماعی را پیشنهاد می کنند، فاصله را به عنوان یک محدودیت فضایی پرس و جو در نظر می گیرند.
با توجه به محدودیت‌های مکانی-زمانی، مطالعات بررسی‌شده دو نوع محدودیت حرکتی را اعمال می‌کنند: محدودیت‌های مسیر و مسیر. اولی ساختارهایی را برای بازیابی مسیرهای جسم متحرک تعریف می کند، در حالی که دومی امکان جستجوی مسیر بهینه را که از مکان های مشخص شده در پرس و جو می گذرد را می دهد.
با توجه به محدودیت‌های اجتماعی، علاوه بر دوستی و شباهت اجتماعی که قبلاً در دسته‌های پرسش‌های قبلی ذکر و توضیح داده شد، محدودیت اجتماعی دیگری که در این مطالعات اعمال شده است، اعتماد اجتماعی است. این اعتبار بین دو شخص را اندازه گیری می کند و می تواند با در نظر گرفتن ویژگی هایی که از اطلاعات اجتماعی و الگوهای رفتاری کاربر، از جمله نمایه های کاربر، ساختار اجتماعی و رفتارهای کاربر در شبکه جغرافیایی اجتماعی بهره برداری می کنند، محاسبه شود [ 75 ].
5.1.7. پرس و جوهای فازی جغرافیایی اجتماعی
پرس و جوهای فازی توسط Hassine و همکاران تعریف شده است. [ 81 ] به عنوان پرس و جوهایی با عدم دقت در اولویت ها در مورد موارد مورد نظر که معمولاً با استفاده از شرایط فازی بیان می شوند. بنابراین، عبارات موجود در پرس و جوها نباید دقیقاً مطابق با عبارت های بازیابی شده باشند، بلکه در حداکثر فاصله مشخص شده در فازی بودن قرار گیرند.
فقط یک کار بررسی شده [ 51 ] پرس و جوهای فازی را برای شبکه های جغرافیایی اجتماعی پیشنهاد می کند. به طور خاص، در کار چن و همکاران. [ 51 ]، پرس و جوهای فازی بر روی یک مدل شبکه ارتباطی اجتماعی، به نام مدل شبکه ارتباطی اجتماعی فازی شهودی (IFSRN) تعریف می شوند، که نشان دهنده و استدلال با روابط منفی، مثبت و خنثی بین بازیگران است و می تواند درجات صدق و درجات نادرست پرس و جوهای فازی
5.1.8. چارچوب هایی که از پردازش پرس و جوهای جغرافیایی اجتماعی پشتیبانی می کنند
علاوه بر 54 مطالعه ای که پرس و جوهای جغرافیایی اجتماعی طبقه بندی شده در هفت دسته شرح داده شده در بالا را پیشنهاد می کنند، 3 مورد از مطالعات بررسی شده چارچوب های زیر را پیشنهاد می کنند که مجموعه ای از پرس و جوهای اولیه ضروری برای پرس و جوهای جغرافیایی اجتماعی را ارائه می دهند:
  • چارچوب J-CO [ 34 ] که یک مدل داده، یک مدل اجرا، و مجموعه‌ای از عملگرها (اساسی و فضایی) را ارائه می‌کند، که زبان پرس و جو را برای جست‌وجو مجموعه‌های ناهمگن داده‌های مرجع جغرافیایی و اطلاعات شبکه اجتماعی تشکیل می‌دهد.
  • پلتفرم GeoSocial-GraphX ​​[ 12 ] که چندین پرس و جو اولیه (اجتماعی، فضایی و فعالیت) ضروری برای جستارهای LBSN را در خود جای داده است.
  • جبر شبکه اجتماعی-فضایی [ 77 ] که از مجموعه ای از هفت عملگر تشکیل شده است که به عنوان بلوک های سازنده یک زبان پرس و جوی اجتماعی-فضایی بر روی یک نمودار اجتماعی-فضایی به هم پیوسته عمل می کنند.

5.2. پرسش 2: روش های پردازش پرس و جو که در مطالعات منتخب برای داده های جغرافیایی اجتماعی اعمال می شود چیست؟

ما با تجزیه و تحلیل نوع روش(های) مورد استفاده برای بازیابی نتیجه پرس و جو، نوع روش دسترسی (اگر مبتنی بر شاخص باشد یا نه)، و اینکه آیا آنها یک راه حل تقریبی ارائه می دهند یا نه، به سوال دوم تحقیق پرداختیم [ 82 ، 83 ].
با توجه به نوع روش پردازش پرس و جو، الگوریتم های پردازش پرس و جو پیشنهاد شده در مطالعات انتخابی را بررسی کردیم و الگوریتم های اولیه پرس و جو یا الگوریتم های شرح داده شده در بخش 2.2 را جستجو کردیم . بر اساس تجزیه و تحلیل ما، بیشترین کاربرد اولیه در پرس و جوهای جغرافیایی اجتماعی هرس با 31 مطالعه (57.4٪)، پس از مرتب سازی (15 مطالعه-27.8٪)، امتیاز دهی (14 مطالعه – 25.9٪)، خوشه بندی (8 مطالعه – 14.8٪) است. فیلتر کردن (6 مطالعه-11.1%)، و پیوستن و پارتیشن بندی (1 مطالعه-1.8%). با در نظر گرفتن الگوریتم های پرس و جو، بیشترین کاربرد بهترین الگوریتم جستجوی اول و شاخه و کران با 6 مطالعه هر کدام (11.1%)، پس از آن اندازه گیری و تسخیر (2 مطالعه-3.7%)، جستجوی Dijkstra و جستجوی عمق اول (1) است. مطالعه – 1.8٪.
با توجه به نوع روش دسترسی، اکثر مطالعات منتخب از رویکرد شاخص‌محور (47 مطالعه-87%) استفاده کرده‌اند و تنها 7 مطالعه (13%) از شاخص استفاده نمی‌کنند. کاربردی‌ترین روش نمایه‌سازی، روش اول فضایی با 30 مطالعه (8/63 درصد) و پس از آن رویکرد ترکیبی با 14 مطالعه (8/29 درصد) و رویکرد اجتماعی اول با 3 مطالعه (4/6 درصد) است.
در نهایت، اکثر مطالعات انتخاب شده راه حل تقریبی (37-68.5٪) ارائه نمی دهند.
جدول 17 مطالعات منتخب را با توجه به نوع الگوریتم های اولیه پرس و جو، روش دسترسی و روش نمایه سازی که آنها استفاده کرده اند، خلاصه می کند.

5.3. پرسش 3: روش های پردازش پرس و جوهای جغرافیایی اجتماعی چگونه ارزیابی می شوند؟

برای پاسخ به این پرسش، ما 55 (96.5٪) مطالعه از مطالعات انتخاب شده را شناسایی کردیم که روش های پردازش پرس و جوی جغرافیایی پیشنهادی را ارزیابی کردند، در حالی که دو مطالعه [ 34 ، 51 ] هیچ ارزیابی ارائه نمی کنند.
در بخش‌های فرعی زیر، هم برخی از معیارهای ارزیابی مهم مورد استفاده برای ارزیابی عملکرد روش‌های پردازش پرس و جوی جغرافیایی و هم مجموعه داده‌های ارزیابی را تحلیل می‌کنیم.

5.3.1. معیارهای

از مطالعات انتخاب شده، ما معیارهای زیر را که برای ارزیابی عملکرد روش های پردازش پرس و جو استفاده می شود، شناسایی کردیم:
  • زمان پاسخ پرس و جو، همچنین به نام زمان سپری شده پرس و جو یا زمان پردازش پرس و جو، که زمان سپری شده از لحظه ای که یک پرس و جو تا بازیابی نتیجه آن صادر می شود را اندازه می گیرد.
  • زمان اجرا که زمان محاسبات نیز نامیده می شود، مدت زمان لازم برای انجام فرآیند محاسباتی پرس و جو است.
  • زمان CPU، که مدت زمانی است که یک واحد پردازش مرکزی (CPU) برای پردازش دستورالعمل های پرس و جو استفاده می شود. با توجه به اینکه CPU دقیقاً چه چیزی را پردازش می کند، این معیار را می توان در زمان CPU مشتری، که مدت زمانی است که CPU مشغول اجرای دستورالعمل های مشتری است، و زمان CPU سرور، که مدت زمانی است که CPU مشغول اجرای آن است، متمایز می شود. دستورالعمل های سرور؛
  • سربار ارتباط، که به عنوان تعداد رکوردهای رمزگذاری شده ارسال شده در نتیجه یک درخواست صادر شده تعریف می شود [ 84 ].
  • صحت، که نسبت بین تعداد پاسخ‌های صحیح و تعداد کل پرسش‌ها است.
  • دقت، که به عنوان نسبت بین توابع هزینه مجموعه نتیجه به دست آمده توسط پرس و جو پیشنهادی و راه حل پایه [ 60 ] محاسبه می شود.
  • زمان ساخت شاخص، که می تواند به عنوان زمان سپری شده برای ساخت ساختارهای شاخص تعریف شود [ 85 ].
  • نسبت تقریبی، که روش معمول اندازه‌گیری عملکرد روش‌های پردازش پرس و جو است که راه‌حل‌های تقریبی را ارائه می‌دهد و به عنوان نسبت شعاع راه‌حل تقریبی برگردانده‌شده نسبت به حل دقیق محاسبه می‌شود.
  • هزینه ورودی/خروجی، که مربوط به تعداد صفحه/بلاک های مورد دسترسی (I/O) برای بازیابی داده ها از دیسک برای هر پرس و جو است.
  • نرخ هرس، که به عنوان نسبت PoI های هرس شده به تمام PoI ها در محدوده پرس و جو محاسبه می شود.
  • فضای حافظه، که کل مقدار حافظه مورد استفاده الگوریتم برای پردازش پرس و جو است.
بیشترین کاربرد معیار زمان اجرا (43.9%)، پس از آن هزینه I/O (26.3%)، زمان پاسخ پرس و جو (24.5%) و زمان CPU سرور (19.3%) است، همانطور که در جدول 18 نشان داده شده است.
هیچ یک از این معیارها به تنهایی راه مناسبی برای ارزیابی عملکرد پردازش پرس و جو ارائه نمی دهد زیرا هر یک از آنها محدودیت هایی دارند. این واقعیت استفاده از معیارهای چندگانه توسط اکثر مطالعات مورد بررسی (62.5٪) را توجیه می کند.
5.3.2. مجموعه داده های ارزیابی
همانطور که توسط Brinkhoff [ 86 ] بحث شد، تهیه و استفاده از مجموعه داده های ارزیابی به خوبی تعریف شده برای قادر ساختن یک ارزیابی سیستماتیک از عملکرد الگوریتم های پردازش پرس و جو و ساختارهای داده اساسی است. برای دستیابی به آن، از مجموعه داده های دنیای واقعی و مصنوعی در ادبیات استفاده شده است. اولی از برنامه های واقعی جمع آوری شده است. دومی‌ها با ساخت مدلی که ویژگی‌های آماری داده‌های واقعی را یاد می‌گیرد و با استفاده از مدل برای تولید داده‌های مصنوعی، که دانکار و ابراهیم [ 87 ] نیز توضیح داده‌اند، تولید می‌شوند.
مطالعات انتخاب شده عمدتاً از مجموعه داده های دنیای واقعی (56.1٪ – 32 مطالعه) برای انجام ارزیابی فرآیند جستجوی جغرافیایی اجتماعی استفاده کردند، در حالی که 19 مطالعه (33.3٪) از مجموعه داده های دنیای واقعی و مصنوعی و 2 مطالعه (3.5٪) از مجموعه های مصنوعی استفاده کردند. فقط مجموعه های داده دو مطالعه باقی مانده (S4 و S19) مجموعه داده های مورد استفاده برای ارزیابی را مشخص نمی کنند. استفاده غالب از مجموعه داده های دنیای واقعی احتمالاً به دلیل این واقعیت است که آنها نتایج محک زدن واقعی تری ارائه می دهند، حتی اگر تلاش برای ثبت آنها در مقایسه با مجموعه داده های مصنوعی بسیار زیاد باشد.
جدول 19 خلاصه ای از مجموعه داده های دنیای واقعی مورد استفاده توسط مطالعات انتخاب شده را همراه با ویژگی های اصلی آنها ارائه می دهد. به عنوان مثال اندازه، که تعداد آیتم‌ها (کاربران، مکان‌ها، راس‌ها، اشیاء، PoIs و غیره) جمع‌آوری‌شده در مجموعه داده‌ها و منابعی است که شبکه اجتماعی مبتنی بر مکان یا شبکه جاده‌ای هستند که برای به دست آوردن داده‌ها استفاده می‌شوند. . محبوب ترین مجموعه داده دنیای واقعی (با 23 مطالعه یا 41%) مجموعه داده Gowalla [ 88 ] است که در مجموعه داده شبکه بزرگ استانفورد ( https://snap.stanford.edu/data/index.html ) موجود است.، در 22 دسامبر 2021 قابل دسترسی است) و شامل 6,442,892 بررسی است که توسط 196,591 کاربر در 1,280,969 مکان در سراسر جهان از فوریه 2009 تا اکتبر 2010 ایجاد شده است. کاربرد بعدی مجموعه داده Brightkite با 10 مطالعه (حدود 18٪) مجموعه داده است. مجموعه داده با 7 مطالعه (12.5%). Brightkite در مجموعه داده‌های شبکه بزرگ استانفورد ( https://snap.stanford.edu/data/index.html ، در 22 دسامبر 2021 قابل دسترسی است) و شامل 4,491,143 اعلام حضور توسط 58,228 کاربر در 772,789 مکان است. مجموعه داده Foursquare از طریق API Foursquare جمع آوری می شود ( https://developer.foursquare.com/، در 22 دسامبر 2021 قابل دسترسی است) و برخلاف دو مجموعه داده قبلی، استاندارد نشده است زیرا هر مطالعه اندازه (تعداد کاربران) متفاوتی را در ارزیابی خود در نظر می گیرد.

5.4. پرسش 4: کدام چالش های باز در پرس و جوی جغرافیایی اجتماعی پیش بینی شده است؟

تعریف روش های پردازش پرس و جو به کار رفته در داده های جغرافیایی اجتماعی فرصت های زیادی را برای تحقیق به ارمغان می آورد. با این حال، چندین چالش باز نیز وجود دارد که باید در آینده نزدیک با آنها روبرو شد. جدول 20 خلاصه ای از این موضوعات را ارائه می دهد که ما از مطالعات بررسی شده استخراج کرده ایم و به طور مناسب به سه دسته اصلی تقسیم می کنیم: چالش های تکنولوژیکی، چالش های مرتبط با حریم خصوصی و چالش های اجتماعی.
با توجه به چالش‌های تکنولوژیکی، نتایج SLR نیاز به کشف انواع جدیدی از داده‌های اجتماعی و مکانی را برای گنجاندن در پردازش پرس و جو برای اصلاح نتایج جستجوهای جغرافیایی نشان می‌دهد. به عنوان مثال، شیم و همکاران. [ 39 ] استفاده از کوتاه‌ترین مسیر یا علاقه سواران را برای تقویت پردازش اشتراک‌گذاری پرس و جو و اعمال این نوع پرس و جو در محیط‌های دارای موانع در جاده و عدم قطعیت مکان پیشنهاد کرد. ژانگ و همکاران [ 47] استفاده از اطلاعات تاریخی هر کاربر در گروه را برای تنظیم خودکار اولویت گروه و وزن آن در نمودار اجتماعی پیشنهاد کرد. علاوه بر این، چندین کار پیشنهاد کردند که تحقیقات آینده را بر توسعه رویکردهای جدید برای (i) ارزیابی ارتباط نتایج پرس و جو، به عنوان مثال، با استفاده از داده های دنیای واقعی جمع آوری شده از وب، متمرکز کنند [ 45 ]. و (ب) آموزش نمودارهای دانش، به عنوان مثال، با استفاده از فناوری های یادگیری عمیق برای درک هوشمندانه اطلاعات اولویت جامعه کاربر و انتخاب بهترین POI برای بازیابی [ 61 ]. علاوه بر این، نگاهی به انواع جدید پرس و جوهای جغرافیایی اجتماعی نیز توسط آثار بررسی شده پیشنهاد شده است. به طور خاص، پرس و جوهای فضایی پیچیده تر، مانند خطوط آسمان و اتصالات مبتنی بر فاصله [ 52] و پرس و جوهای کلیدواژه جمعی top-k geosocial [ 23 ]، پیشنهاد شده است.
با توجه به چالش‌های مربوط به حریم خصوصی، برخی از آثار بررسی‌شده نیاز به راه‌حل‌هایی برای محافظت از حریم خصوصی مکان کاربران را برجسته کردند. هاشم و همکاران [ 58 ]، برای مثال، پیشنهاد کرد که سناریوهایی را مطالعه کنند که در آن گروه از کاربران مکان خود را در میان یکدیگر نشان نمی‌دهند، و علی و همکاران. [ 73 ] پیشنهاد کرد که یک مکان کاربر به عنوان یک منطقه به جای یک نقطه در نظر گرفته شود تا از افشای مکان دقیق اجتناب شود.
در نهایت، با توجه به چالش‌های اجتماعی، تحقیقات آینده نیاز به تمرکز بر مفهوم اعتماد اجتماعی با بررسی اینکه چگونه اعتماد اجتماعی را می‌توان در شبکه‌های اجتماعی مبتنی بر مکان ارزیابی کرد [ 75 ] و چگونه می‌توان آن را در پردازش پرس و جوی جغرافیایی [ 66 ] ادغام کرد. علاوه بر این، مطالعات آینده حتی ممکن است چگونگی ترکیب سایر اطلاعات اجتماعی، مانند روابط اجتماعی بین کاربران تلفن همراه، برای توسعه روش‌های جدید پردازش پرس و جو و سرعت بخشیدن به پردازش پرس و جو فضایی را بررسی کنند [ 49 ، 74 ].

6. نتیجه گیری

این مطالعه پردازش پرس و جوی جغرافیایی اجتماعی در شبکه‌های اجتماعی مبتنی بر مکان را از طریق مرور ادبیات سیستماتیک دانش علمی استخراج‌شده از پایگاه‌های اطلاعاتی علمی نمایه‌شده، حاوی ادبیات رسمی منتشر شده، و از پایگاه‌های داده غیر نمایه‌شده، حاوی ادبیات خاکستری، بررسی کرده است. از 4312 مقاله بازگشتی از جستجوی اولیه در این پایگاه‌ها، 67 مطالعه پس از اعمال معیارهای ورود و خروج تعریف شده در روش حفظ شدند که از این تعداد 57 مورد برای ترکیب کیفی با توجه به نمرات به‌دست‌آمده در ارزیابی کیفیت انتخاب شدند. چک لیست.
ما دریافتیم که علاقه جامعه علمی به موضوع پرس و جوی جغرافیایی از سال 2012 شروع به رشد کرده است و تا سال 2020 به رشد خود ادامه داده است. علاوه بر این، نتیجه تجزیه و تحلیل ما نشان می دهد که هفت دسته از پرس و جوهای جغرافیایی اجتماعی قابل شناسایی هستند: پرس و جوهای گروه های جغرافیایی که توسط 43.85 پیشنهاد شده است. درصد از مطالعات انتخاب شده، و به دنبال آن عبارت‌های کلیدواژه جغرافیایی اجتماعی (26.31%)، پرس‌وجوهای geosocial top-k (19.3%)، جست‌وجوهای جغرافیایی نزدیک‌ترین همسایه (17.5%)، پرس‌وجوهای خط افق جغرافیایی (10.5%)، جستارهای متحرک جغرافیایی (5.26%). و پرس و جوهای فازی جغرافیایی اجتماعی (1.75%). علاوه بر این، سه مورد از مطالعات بررسی‌شده (26/5%) چارچوب‌هایی را پیشنهاد می‌کنند که از مجموعه‌ای از پرس و جوهای اولیه ضروری برای جستارهای جغرافیایی اجتماعی پشتیبانی می‌کنند.
در مورد روش های پردازش پرس و جو، مشاهده کردیم که نوع اولیه پرس و جو که عمدتاً در فرآیند پرس و جوی جغرافیایی استفاده می شود عبارت است از هرس (57.4%)، پس از آن مرتب سازی (27.8%)، امتیاز دهی (25.9%)، خوشه بندی (14.8%)، فیلتر کردن. (11.1%)، join (1.8%) و پارتیشن بندی (1.8%)، در حالی که الگوریتم‌های جستجوی پرکاربرد عبارتند از بهترین الگوریتم جستجو (11.1%) و شاخه و کران (11.1%) و پس از آن اندازه گیری و تسخیر. (3.7٪)، جستجوی Dijkstra (1.8٪)، و جستجو در عمق (1.8٪). علاوه بر این، متوجه شدیم که اکثر مطالعات انتخاب شده از یک رویکرد مبتنی بر شاخص برای بهینه‌سازی بازیابی داده‌های جغرافیایی استفاده می‌کنند و روش نمایه‌سازی فضایی اول رایج‌ترین کلاس از روش‌های نمایه‌سازی (63.8 درصد) است. یکی دیگر از یافته های کلیدی این است که اکثر مطالعات انتخاب شده (68.5%) راه حل تقریبی ارائه نمی دهند.
با توجه به روش‌های ارزیابی، متوجه شدیم که یکی از رایج‌ترین معیارهای مورد استفاده برای ارزیابی عملکرد روش‌های پردازش پرس و جو، زمان اجرا (43.9%)، پس از آن هزینه I/O (26.3%)، زمان پاسخ پرس و جو (24.5) است. ٪ و زمان CPU سرور (19.3٪). علاوه بر این، برای انجام ارزیابی فرآیند پرس و جوی جغرافیایی، از مجموعه داده های دنیای واقعی به طور عمده استفاده می شود (56.1٪)، و پس از هر دو مجموعه داده های دنیای واقعی و مصنوعی (33.3٪). مجموعه داده Gowalla محبوب ترین مجموعه داده در دنیای واقعی است که توسط 41٪ از مطالعات انتخاب شده اعمال شده است.
در نهایت، یافته‌های مطالعه نیاز به کشف (i) انواع جدیدی از داده‌های اجتماعی و مکانی را برای گنجاندن در پردازش پرس و جو برای پالایش نتایج پرس‌و‌جوهای جغرافیایی نشان می‌دهد. (ii) راه حل هایی برای محافظت از حریم خصوصی مکان کاربران؛ و (iii) روشهایی برای ارزیابی و ادغام اعتماد اجتماعی در پردازش پرس و جوهای جغرافیایی اجتماعی.

منابع

  1. گزارش مرور کلی جهانی Kemp, S. Digital 2020. مه 2020 ، 21 ، 2020. [ Google Scholar ]
  2. آرمناتزوگلو، ن. پاپادوپولوس، اس. پاپادیاس، دی. یک چارچوب کلی برای پردازش پرس و جوی جغرافیایی-اجتماعی. Proc. VLDB Enddow. 2013 ، 6 ، 913-924. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  3. بائو، جی. ژنگ، ی. ویلکی، دی. موکبل، ام. توصیه‌هایی در شبکه‌های اجتماعی مبتنی بر مکان: یک نظرسنجی. GeoInformatica 2015 ، 19 ، 525-565. [ Google Scholar ] [ CrossRef ]
  4. صحنهون، ز. بله، CY؛ Aïmeur، E. مسائل مربوط به حریم خصوصی در شبکه های جغرافیایی اجتماعی. در ریسک ها و امنیت اینترنت و سیستم ها. بحران 2014 ; یادداشت های سخنرانی در علوم کامپیوتر; Lopez, J., Ray, I., Crispo, B., Eds. Springer: برلین/هایدلبرگ، آلمان، 2015; جلد 8924، صص 67–82. [ Google Scholar ] [ CrossRef ]
  5. Bilogrevic، I. حریم خصوصی در برنامه های کاربردی جغرافیایی و شبکه های اجتماعی مبتنی بر مکان. در کتابچه راهنمای حریم خصوصی داده های تلفن همراه ; Gkoulalas-Divanis, A., Bettini, C., Eds. Springer: برلین/هایدلبرگ، آلمان، 2018; صص 195-228. [ Google Scholar ] [ CrossRef ]
  6. گونتوری، VMV؛ بروگر، آی. شخار، س. مدل‌سازی و تحلیل شبکه‌های اجتماعی فضایی-زمانی. در دایره المعارف تحلیل و کاوی شبکه های اجتماعی ; الحاج، ر.، رکنه، ج.، ویرایش. Springer: برلین/هایدلبرگ، آلمان، 2016; صص 1-12. [ Google Scholar ] [ CrossRef ]
  7. کوئرسیا، دی. لاتیا، ن. کالابرز، اف. دی لورنزو، جی. Crowcroft, J. توصیه رویدادهای اجتماعی از داده های مکان تلفن همراه. در مجموعه مقالات کنفرانس بین المللی داده کاوی، سیدنی، استرالیا، 13 تا 17 دسامبر 2010. ص 971-976. [ Google Scholar ]
  8. Zheng, Y. شبکه های اجتماعی مبتنی بر مکان: کاربران. در محاسبات با مسیرهای فضایی ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2011; ص 243-276. [ Google Scholar ]
  9. رویک، او. هوسر، اس. شبکه های اجتماعی مبتنی بر مکان – تعریف، وضعیت فعلی هنر و دستور کار تحقیق. ترانس. GIS 2013 ، 17 ، 763-784. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. آرمناتزوگلو، ن. پاپادیاس، دی. شبکه های ژئو-اجتماعی. در دایره المعارف سیستم های پایگاه داده ; Liu, L., Özsu, MT, Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2018؛ صفحات 1620-1623. [ Google Scholar ] [ CrossRef ]
  11. گائو، اچ. لیو، اچ. تجزیه و تحلیل داده ها در شبکه های اجتماعی مبتنی بر مکان. در شبکه های اجتماعی موبایل ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2013; صص 165-194. [ Google Scholar ] [ CrossRef ]
  12. سلیم، کارشناسی ارشد؛ Xie، X. Pedersen, TB پردازش مقیاس پذیر پرس و جوهای شبکه های اجتماعی مبتنی بر مکان. در مجموعه مقالات هفدهمین کنفرانس بین المللی IEEE در مدیریت داده های تلفن همراه (MDM)، پورتو، پرتغال، 13 تا 16 ژوئن 2016؛ جلد 1، ص 132-141. [ Google Scholar ]
  13. Pearl, J. Heuristics: Intelligent Search Strategies for Computer Problem Solutions . ادیسون-وسلی: بوستون، MA، ایالات متحده آمریکا، 1984; پ. 48. [ Google Scholar ]
  14. کورمن، تی. Leiserson، CE; Rivest، RL; Stein, C. Introduction to Algorithms , 2nd ed.; بخش 22.3: جستجوی عمقی. مطبوعات MIT: کمبریج، MA، ایالات متحده; McGraw-Hill: لندن، انگلستان، 2001; صص 540-549. شابک 0-262-03293-7. [ Google Scholar ]
  15. Dijkstra، EW یادداشتی در مورد دو مشکل در ارتباط با نمودارها. عدد. ریاضی. 1959 ، 1 ، 269-271. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. سرزمین، ق. Doig, AG یک روش خودکار برای حل مسائل برنامه نویسی گسسته. Econometrica 1960 , 28 , 497-520. [ Google Scholar ] [ CrossRef ]
  17. فومین، FV; گراندونی، اف. کراتش، دی. اندازه گیری و تسخیر: سلطه – مطالعه موردی. در مجموعه مقالات سی و دومین کنفرانس بین المللی اتومات، زبان ها و برنامه نویسی، لیسبون، پرتغال، 11 تا 15 ژوئیه 2005. Springer: برلین/هایدلبرگ، آلمان، 2005; جلد 3580، ص 191–203. [ Google Scholar ]
  18. دوان، ایکس. وانگ، ی. چن، جی. Zhang, J. احراز هویت پرس و جوهای فضایی چند کاربر ترجیح محور. در مجموعه مقالات چهل و یکمین کنفرانس سالانه نرم افزار و برنامه های کامپیوتری IEEE 2017 (COMPSAC)، تورینو، ایتالیا، 4 تا 8 ژوئیه 2017؛ جلد 1، ص 602–607. [ Google Scholar ]
  19. ژائو، جی. گائو، ی. مک.؛ جین، پی. Wen, S. در مورد پردازش پرس و جو کلمات کلیدی جغرافیایی-اجتماعی به طور کارآمد در شبکه های جاده ای. Inf. علمی 2019 ، 512 ، 813-829. [ Google Scholar ] [ CrossRef ]
  20. سان، ی. چی، جی. ژنگ، ی. ژانگ، R. K-نزدیکترین همسایه پرس و جوهای جمع زمانی. در مجموعه مقالات هجدهمین کنفرانس بین المللی گسترش فناوری پایگاه داده، بروکسل، بلژیک، 23 تا 27 مارس 2015. [ Google Scholar ] [ CrossRef ]
  21. کائو، ک. سان، س. لیو، اچ. لیو، ی. منگ، جی. Guo, J. فضای اجتماعی پرس و جو کلمه کلیدی بر اساس مسیر معنایی. محاسبات عصبی 2020 ، 428 ، 340-351 . [ Google Scholar ] [ CrossRef ]
  22. یانگ، DN; شن، سی. لی، WC; Chen, MS در مورد پرس و جو گروه اجتماعی- فضایی برای شبکه های اجتماعی مبتنی بر مکان. در مجموعه مقالات هجدهمین کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش و داده کاوی، پکن، چین، 12 تا 16 اوت 2012. ص 949-957. [ Google Scholar ]
  23. آتیک، م. افضل، م. علی، ف. محمود، من. ایجاز، م.ف. چو، اچ.-جی. جستجوهای کلمات کلیدی Top-k و Skyline Geo-Social در شبکه های جاده ای. Sensors 2020 , 20 , 798. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. سهیل، ع. Cheema، MA; Taniar, D. Geo-Social Temporal Top-k Queries در شبکه های اجتماعی مبتنی بر مکان. در مجموعه مقالات کنفرانس پایگاه داده استرالیا، ملبورن، استرالیا، 3 تا 7 فوریه 2020؛ Springer: برلین/هایدلبرگ، آلمان، 2020؛ صص 147-160. [ Google Scholar ] [ CrossRef ]
  25. یانگ، ز. گائو، ی. گائو، ایکس. Chen, G. NETR-Tree: چارچوبی کارآمد برای پرس و جوی کلیدواژه مکانی آگاه از زمان اجتماعی مبتنی بر اجتماعی. arXiv 2019 ، arXiv:1908.09520. [ Google Scholar ]
  26. لی، کیو. زو، ی. Yu, JX Skyline Cohesive Group Queries in Large Road-social Networks. در مجموعه مقالات سی و ششمین کنفرانس بین المللی مهندسی داده IEEE 2020 (ICDE)، دالاس، TX، ایالات متحده، 20-24 آوریل 2020؛ صص 397-408. [ Google Scholar ]
  27. لی، ی. چن، آر. خو، جی. هوانگ، Q. متعجب.؛ چوی، بی. جستارهای گروه ژئو-اجتماعی K-Cover برای محاسبات فضایی مشارکتی. IEEE Trans. بدانید. مهندسی داده 2015 ، 27 ، 2729-2742. [ Google Scholar ] [ CrossRef ]
  28. Li, Y. پرسش‌های گروهی کارآمد در شبکه‌های اجتماعی مبتنی بر مکان . دانش پژوه معنایی. 2016. در دسترس به صورت آنلاین: https://www.semanticscholar.org/paper/Efficient-group-queries-in-location-based-social-Li/edd525bbaed1aa4ae97066364e84298e2327f087 (در 21 دسامبر 2015 قابل دسترسی است).
  29. موهر، دی. لیبراتی، ع. تتزلاف، جی. آلتمن، دی جی؛ گروه PRISMA موارد گزارشگری ترجیحی برای بررسی های سیستماتیک و متاآنالیزها: بیانیه PRISMA. PLoS Med. 2009 ، 6 ، e1000097. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. ماهود، س. ون ارد، دی. ایروین، ای. جستجوی ادبیات خاکستری برای بررسی های منظم: چالش ها و مزایا. Res. مصنوعی. Methods 2013 ، 5 ، 221-234. [ Google Scholar ] [ CrossRef ]
  31. ادبیات پائز، آ. گری: یک منبع مهم در بررسی های سیستماتیک. جی اوید. مبتنی بر Med. 2017 ، 10 ، 233-240. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  32. هادوی، NR; کالینز، ای. کوفلین، دی. کرک، SA نقش Google Scholar در بررسی شواهد و کاربرد آن در جستجوی ادبیات خاکستری. PLoS ONE 2015 , 10 , e0138237. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. یاسین، ع. فاطمه، ر. ون، ال. افضل، دبلیو. ازهر، م. Torkar, R. On Using Gray Literature و Google Scholar در بررسی ادبیات سیستماتیک در مهندسی نرم افزار. دسترسی IEEE 2020 ، 8 ، 36226–36243. [ Google Scholar ] [ CrossRef ]
  34. بوردوگنا، جی. کاپلی، اس. Psaila، G. چارچوب پرس و جو داده های جغرافیایی بزرگ برای ارتباط داده های باز با پست های دارای برچسب جغرافیایی شبکه های اجتماعی. در کنفرانس بین المللی سالانه علم اطلاعات جغرافیایی ; Springer: برلین/هایدلبرگ، آلمان، 2017; ص 185-203. [ Google Scholar ] [ CrossRef ]
  35. هوانگ، سی.-ای. Chien، P.-C.; الگوریتم چن، YH A Measure and Conquer برای مسئله پرس و جو گروه حداقل کاربر فضایی آگاه. در سمپوزیوم بین المللی کامپیوتر ; Springer: برلین/هایدلبرگ، آلمان، 2019؛ صص 440-448. [ Google Scholar ] [ CrossRef ]
  36. وانگ، ی. حسن، ع. دوان، ایکس. Zhang, X. یک رویکرد کارآمد احراز هویت پرس و جو مبتنی بر مکان چند کاربر برای شبکه های اجتماعی. J. Inf. امن Appl. 2019 ، 47 ، 284-294. [ Google Scholar ] [ CrossRef ]
  37. لیو، دبلیو. سان، دبلیو. چن، سی. هوانگ، ی. جینگ، ی. چن، ک. پرس و جوی حلقه دوست در شبکه های جغرافیایی اجتماعی. در کنفرانس بین المللی سیستم های پایگاه داده برای کاربردهای پیشرفته ; Springer: برلین/هایدلبرگ، آلمان، 2012; صص 126-137. [ Google Scholar ]
  38. گوا، اف. یوان، ی. وانگ، جی. چن، ال. لیان، ایکس. Wang, Z. گروه منسجم نزدیکترین همسایه در شبکه های اجتماعی جاده ای تحت چند معیار. IEEE Trans. بدانید. مهندسی داده 2020 ، 33 ، 3520-3536. [ Google Scholar ] [ CrossRef ]
  39. شیم، سی. سیم، جی. Chung, YD Cohesive Ridesharing Queries Groups in Geo-Social Networks. دسترسی IEEE 2020 ، 8 ، 97418–97436. [ Google Scholar ] [ CrossRef ]
  40. لانگ، سی. وانگ، RCW; وانگ، ک. Fu، AWC پرسش‌های کلیدواژه فضایی جمعی: رویکرد مالک محور از راه دور. در مجموعه مقالات کنفرانس بین المللی ACM SIGMOD 2013 در مدیریت داده ها، نیویورک، نیویورک، ایالات متحده آمریکا، 22 تا 27 ژوئن 2013. صص 689-700. [ Google Scholar ]
  41. کانزا، ی. Shalem، M. جستجوی ترکیبی geo-social: Computing top-k join query ها بر روی اطلاعات ناقص. GeoInformatica 2017 ، 22 ، 615-660. [ Google Scholar ] [ CrossRef ]
  42. ماروپاکی، س. چستر، اس. دولکریدیس، سی. Nørvåg، K. تنوع پرس و جوهای نقطه مورد علاقه برتر از طریق دسترسی جمعی اجتماعی. در مجموعه مقالات بیست و نهمین کنفرانس بین المللی ACM در مدیریت اطلاعات و دانش، رویداد مجازی، ایرلند، 19 تا 23 اکتبر 2020؛ صص 2149–2152. [ Google Scholar ]
  43. جین، پی. گائو، ی. چن، ال. ژائو، جی. پردازش گروهی کارآمد برای چند پرس‌وجو از کلیدواژه‌های جغرافیایی اجتماعی Top-k معکوس. در کنفرانس بین المللی سیستم های پایگاه داده برای کاربردهای پیشرفته ; Springer: برلین/هایدلبرگ، آلمان، 2020؛ صص 279-287. [ Google Scholar ] [ CrossRef ]
  44. البغدادی، ع. شارما، جی. لیان، ایکس. پردازش کارآمد پرسش‌های برنامه‌ریزی گروهی از طریق شبکه‌های فضایی-اجتماعی. IEEE Trans. بدانید. مهندسی داده 2020 ، 2093–2098. [ Google Scholar ] [ CrossRef ]
  45. افستاتیادس، سی. افنتاکیس، ا. Pfoser، D. پردازش کارآمد پرس و جوهای مربوط به نزدیکترین همسایه. ACM Trans. تف کردن سیستم الگوریتم 2016 ، 2 ، 1-28. [ Google Scholar ] [ CrossRef ]
  46. اسلام، س. شن، بی. وانگ، سی. تانیار، د. Wang, J. پردازش کارآمد پرس و جوهای معکوس نزدیکترین محله در پایگاه داده های فضایی. Inf. سیستم 2020 ، 92 ، 101530. [ Google Scholar ] [ CrossRef ]
  47. ژانگ، ز. جین، پی. تیان، ی. وان، اس. یو، L. پردازش کارآمد پرس و جوهای ترجیحی گروه فضایی. در مجموعه مقالات کنفرانس بین المللی سیستم های پایگاه داده برای کاربردهای پیشرفته، چیانگ مای، تایلند، 22 تا 25 آوریل 2019؛ Springer: برلین/هایدلبرگ، آلمان، 2019؛ صص 642-659. [ Google Scholar ]
  48. هوانگ، سی. Chien, PC; الگوریتم‌های چن، YH دقیق و اکتشافی برای برخی از مسائل پرس‌وجو گروه علاقه‌مند فضایی. J. فناوری اینترنت. 2020 ، 21 ، 1199-1205. [ Google Scholar ]
  49. تانگ، ال. چن، اچ. Ku، W.-S. سان، M.-T. بهره برداری از شبکه های اجتماعی آگاه از مکان برای پردازش پرس و جو فضایی کارآمد. GeoInformatica 2017 ، 21 ، 33-55. [ Google Scholar ] [ CrossRef ]
  50. ژنگ، اس. زمان، ع. Morimoto, Y. Friend Recommendation با استفاده از Skyline Query و اطلاعات مکان. گاو نر شبکه محاسبه کنید. سیستم نرم افزار 2016 ، 5 ، 68-72. [ Google Scholar ]
  51. چن، اس.-م. راندیانتو، ی. چنگ، اس.-اچ. پردازش پرس و جوهای فازی بر اساس شبکه های رابطه اجتماعی فازی شهودی Inf. علمی 2016 ، 327 ، 110-124. [ Google Scholar ] [ CrossRef ]
  52. زو، س. متعجب.؛ خو، سی. خو، جی. لی، دبلیو.-سی. پرس و جوهای گروه ژئو اجتماعی با حداقل محدودیت های آشنایی. VLDB J. 2017 ، 26 ، 709-727. [ Google Scholar ] [ CrossRef ]
  53. تاگوچی، ن. آمگاتا، دی. هارا، تی. پرس و جوهای کلیدواژه ژئو-اجتماعی خط آسمان. در مجموعه مقالات کنفرانس بین المللی پایگاه داده و برنامه های کاربردی سیستم های خبره، لیون، فرانسه، 20 تا 31 اوت 2017. Springer: برلین/هایدلبرگ، آلمان، 2017; صص 425-435. [ Google Scholar ]
  54. آرمناتزوگلو، ن. آهوجا، ر. Papadias, D. Geo-Social Ranking: توابع و پردازش پرس و جو. VLDB J. 2015 ، 24 ، 783-799. [ Google Scholar ] [ CrossRef ]
  55. امریش، تی. فرانتسکه، م. مامولیس، ن. رنز، م. زوفل، الف. پرسش‌های خط افق جغرافیایی-اجتماعی. در مجموعه مقالات کنفرانس بین المللی سیستم های پایگاه داده برای کاربردهای پیشرفته، بالی، اندونزی، 21-24 آوریل 2014. Springer: برلین/هایدلبرگ، آلمان، 2014; صص 77-91. [ Google Scholar ]
  56. ژائو، اس. گروه Xiong، L. نزدیکترین مجموعه POI فشرده در شبکه های جاده ای. در مجموعه مقالات بیستمین کنفرانس بین المللی IEEE در مورد مدیریت داده های تلفن همراه (MDM)، هنگ کنگ، چین، 10 تا 13 ژوئن 2019؛ صص 106-111. [ Google Scholar ]
  57. تیان، ی. جین، پی. وان، اس. Yue, L. جستجوهای ترجیحی گروه برای شبکه های اجتماعی مبتنی بر مکان. در مجموعه مقالات وب آسیا و اقیانوسیه (APWeb) و مدیریت اطلاعات عصر وب (WAIM) کنفرانس مشترک در وب و داده های بزرگ، پکن، چین، 7 تا 9 ژوئیه 2017. Springer: برلین/هایدلبرگ، آلمان، 2017; صص 556-564. [ Google Scholar ]
  58. هاشم، ت. هاشم، ت. علی، من Kulik, L. پرس و جوهای برنامه ریزی سفر گروهی در پایگاه داده های فضایی. در مجموعه مقالات سمپوزیوم بین المللی پایگاه های داده مکانی و زمانی، مونیخ، آلمان، 21 تا 23 اوت 2013. Springer: برلین/هایدلبرگ، آلمان، 2013; صص 259-276. [ Google Scholar ]
  59. چان، HKH; لانگ، سی. Wong، RCW پرسش‌های کلیدواژه فضایی جمعی آگاه از هزینه ذاتی. در مجموعه مقالات سمپوزیوم بین المللی پایگاه های داده مکانی و زمانی، آرلینگتون، ویرجینیا، ایالات متحده آمریکا، 21 تا 23 اوت 2017. Springer: برلین/هایدلبرگ، آلمان، 2017; صص 357-375. [ Google Scholar ]
  60. وانگ، ی. دوان، ایکس. یانگ، ایکس. ژانگ، ی. Zhang, X. جستجوهای کلیدواژه مبتنی بر مکان چند کاربر تعاملی در شبکه های جاده ای. دسترسی IEEE 2018 ، 6 ، 51401–51418. [ Google Scholar ] [ CrossRef ]
  61. وانگ، ی. زو، ال. ما، جی. در آغوش گرفتن.؛ لیو، جی. Qiao، Y. الگوریتم پرس و جو اولویت جامعه کاربر مبتنی بر نمودار دانش برای LBSN. کلان داده Res. 2020 ، 23 ، 100169. [ Google Scholar ] [ CrossRef ]
  62. سهیل، ع. هدایت، ع. Cheema، MA; تانیار، دی. جستارهای ترجیحی گروه آگاه از موقعیت مکانی در شبکه های اجتماعی. در مجموعه مقالات کنفرانس پایگاه داده استرالیا، ساحل گلد، استرالیا، 24 تا 27 مه 2018؛ Springer: برلین/هایدلبرگ، آلمان، 2018; صص 53-67. [ Google Scholar ] [ CrossRef ]
  63. ژانگ، اچ. لو، اف. Xu, J. مدل سازی و پرس و جو از اشیاء متحرک با روابط اجتماعی. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 121. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  64. ژائو، اس. Cao, X. جستجوی چند کاربره نزدیکترین مجموعه کلیدواژه در شبکه های جاده ای. Inf. علمی 2019 ، 509 ، 133-149. [ Google Scholar ] [ CrossRef ]
  65. چان، HKH; لانگ، سی. Wong, RCW در تعمیم پرس و جوهای کلیدواژه فضایی جمعی. IEEE Trans. بدانید. مهندسی داده 2018 ، 30 ، 1712-1726. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  66. ممکن است.؛ یوان، ی. وانگ، جی. بی، ایکس. Wang, Y. پرسش‌های گروه جغرافیایی-اجتماعی شخصی در شبکه‌های اجتماعی مبتنی بر مکان. در مجموعه مقالات کنفرانس بین المللی سیستم های پایگاه داده برای کاربردهای پیشرفته، ساحل گلد، استرالیا، 21 تا 24 مه 2018؛ Springer: برلین/هایدلبرگ، آلمان، 2018; صص 388-405. [ Google Scholar ]
  67. ژائو، اس. چنگ، ایکس. سو، اس. شوانگ، ک. پرسش‌های کلیدواژه جمعی آگاه از محبوبیت در شبکه‌های جاده‌ای. GeoInformatica 2017 ، 21 ، 485-518. [ Google Scholar ] [ CrossRef ]
  68. وانگ، ی. دوان، ایکس. یانگ، ایکس. ژانگ، ی. Zhang, X. پردازش پرس و جوهای کلیدواژه مبتنی بر مکان چند کاربر. IEICE Trans. Inf. سیستم 2018 ، 101 ، 1552-1561. [ Google Scholar ] [ CrossRef ]
  69. Upreti، N. پرس و جو نزدیکترین گروه اجتماعی معکوس. پایان نامه کارشناسی ارشد، پایان نامه ها و پایان نامه های الکترونیکی برای مدرسه تحصیلات تکمیلی، دانشگاه ایالتی پنسیلوانیا، کالج ایالتی، PA، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  70. الحیب، ن. تانیار، د. الخالدی، ح. اسلام، س. Adhinugraha، مناطق ایمن KM برای جابجایی پرس و جوهای همسایگی معکوس در یک محیط همتا به همتا. دسترسی IEEE 2020 ، 8 ، 50285–50298. [ Google Scholar ] [ CrossRef ]
  71. سهیل، ع. Cheema، MA; Taniar, D. Social-Aware Spatial Top-k and Skyline Queries. محاسبه کنید. J. 2018 ، 61 ، 1620-1638. [ Google Scholar ] [ CrossRef ]
  72. Shen, C.-Y.; یانگ، دی.-ن. هوانگ، L.-H. لی، دبلیو.-سی. چن، ام.-اس. پرس و جوهای گروه اجتماعی- فضایی برای برنامه ریزی بداهه فعالیت. IEEE Trans. بدانید. مهندسی داده 2015 ، 28 ، 196-210. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  73. علی، من طنین، ای. شوئرمن، پی. نوتانونگ، اس. Kulik، L. پرسش‌های اجماع فضایی در یک محیط مشارکتی. ACM Trans. تف کردن سیستم الگوریتم 2016 ، 2 ، 1-37. [ Google Scholar ] [ CrossRef ]
  74. لی، ی. وو، دی. خو، جی. چوی، بی. Su، W. پرسش‌های گروه علاقه‌مند آگاه به فضایی در شبکه‌های اجتماعی مبتنی بر مکان. دانستن داده ها مهندس 2014 ، 92 ، 20-38. [ Google Scholar ] [ CrossRef ]
  75. ممکن است.؛ یوان، ی. وانگ، جی. بی، ایکس. Qin, H. پرس و جو مسیر شخصی سازی شده توسط Trust-Aware با استفاده از ماشین یادگیری شدید در شبکه های اجتماعی مبتنی بر مکان. شناخت. محاسبه کنید. 2018 ، 10 ، 965-979. [ Google Scholar ] [ CrossRef ]
  76. ژائو، جی. گائو، ی. چن، جی. Chen, R. سوالات چرا-نه در مورد جستجوهای کلیدواژه جغرافیایی-اجتماعی top-k در شبکه های جاده ای. در مجموعه مقالات سی و چهارمین کنفرانس بین المللی مهندسی داده IEEE 2018 (ICDE)، پاریس، فرانسه، 16 تا 19 آوریل 2018؛ صص 965-976. [ Google Scholar ]
  77. دویتشر، ی. گالن، بی. Kanza، Y. جستجوی داده های جغرافیایی اجتماعی با پل زدن شبکه های فضایی و شبکه های اجتماعی. در مجموعه مقالات دومین کارگاه بین المللی ACM SIGSPATIAL در مورد شبکه های اجتماعی مبتنی بر مکان، سن خوزه، کالیفرنیا، ایالات متحده آمریکا، 2 نوامبر 2010. صص 39-46. [ Google Scholar ]
  78. آپون، SH; علی، من قوش، بی. سلیس، تی. پرسش‌های گروه اجتماعی- فضایی با کلیدواژه. ACM Trans. تف کردن سیستم الگوریتم 2021 ، 8 ، 1-32. [ Google Scholar ] [ CrossRef ]
  79. برزسونی، اس. کوسمن، دی. Stocker, K. اپراتور افق. در مجموعه مقالات هفدهمین کنفرانس بین المللی مهندسی داده، هایدلبرگ، آلمان، 2 تا 6 آوریل 2001. ص 421-430. [ Google Scholar ]
  80. چن، اف. لو، سی.-تی. پرس و جو نزدیکترین همسایه، تعریف. در دایره المعارف GIS ; Shekhar, S., Xiong, H., Eds. Springer: Boston, MA, USA, 2008; صص 782-783. [ Google Scholar ] [ CrossRef ]
  81. بن هاسین، MA; توزی، AG; گالیندو، جی. Ounelli، H. چگونه به پایگاه داده های رابطه ای فازی دست یابیم، مدیریت داده ها و فراداده های فازی. در کتابچه راهنمای تحقیق در مورد پردازش اطلاعات فازی در پایگاه های داده ; IGI Global: Hershey، PA، USA، 2008; صص 351-380. [ Google Scholar ] [ CrossRef ]
  82. D’Ulizia، A. فری، اف. فرمیکا، ا. گریفونی، ص. تقریب پرس و جوهای جغرافیایی. جی. کامپیوتر. علمی تکنولوژی 2009 ، 24 ، 1109-1124. [ Google Scholar ] [ CrossRef ]
  83. D’Ulizia، A. فری، اف. گریفونی، پ. رافانلی، ام. محدودیت‌های آرامش‌بخش در عملگرهای GeoPQL برای بهبود پاسخ‌گویی به پرس و جو. در مجموعه مقالات هفدهمین کنفرانس بین المللی پایگاه داده و کاربردهای سیستم های خبره (DEXA’06)، کراکوف، لهستان، 4 تا 8 سپتامبر 2006. یادداشت های سخنرانی در علوم کامپیوتر 4080. Springer: Berlin/Heidelberg, Germany, 2006; صص 728-737. [ Google Scholar ]
  84. مقدم، اس.اس. فیومی، الف. به سوی ایمن سازی تجزیه و تحلیل داده های مبتنی بر ابر: بحثی در مورد راه حل های فعلی و مسائل باز. IEEE Access 2019 ، 7 ، 45632–45650. [ Google Scholar ] [ CrossRef ]
  85. Thoombail Asokan، U. Methods for Evaluating Query Auto Completion Systems. Ph.D. پایان نامه، دسترسی Minerva، دانشگاه ملبورن، پارک ویل، استرالیا، 2021. [ Google Scholar ]
  86. Brinkhoff، T. مجموعه داده های آزمایش واقعی و مصنوعی. در دایره المعارف سیستم های پایگاه داده ; Liu, L., Özsu, MT, Eds. Springer Science+Business Media LCC: New York, NY, USA, 2009; صص 2339-2344. [ Google Scholar ] [ CrossRef ]
  87. دانکار، FK; ابراهیم، ​​ام. آن را جعل کنید تا زمانی که آن را بسازید: دستورالعمل هایی برای تولید داده های مصنوعی موثر. Appl. علمی 2021 ، 11 ، 2158. [ Google Scholar ] [ CrossRef ]
  88. چو، ای. مایرز، SA; Leskovec, J. Friendship and Mobility: Friendship and Mobility: User Movement in Location-Based Social Networks. در مجموعه مقالات کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش و داده کاوی، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 21 تا 24 اوت 2011. ص 1082-1090. [ Google Scholar ]
Ijgi 11 00019 g001 550
شکل 1. تعداد مقالات علمی در مورد “شبکه های جغرافیایی اجتماعی” یا “شبکه های جغرافیایی اجتماعی” یا “شبکه های اجتماعی مبتنی بر مکان” در WoS بر اساس سال (بازیابی شده در مارس 2021).
Ijgi 11 00019 g002 550
شکل 2. مدل جغرافیایی چندسطحی که نشان دهنده یک LBSN با سه لایه مرتبط است.
Ijgi 11 00019 g003 550
شکل 3. نمودار جریان چهار فاز PRISMA. اقتباس از [ 29 ].
Ijgi 11 00019 g004 550
شکل 4. توزیع زمانی انتشارات انتخاب شده.
Ijgi 11 00019 g005 550
شکل 5. دسته بندی پرسش های جغرافیایی اجتماعی که با تجزیه و تحلیل مطالعات بررسی شده، به همراه شناسه های مطالعات (تعریف شده در جدول 4 ) متعلق به هر دسته مشخص شده است.
Ijgi 11 00019 g006 550
شکل 6. نمونه ای از پرس و جو گروه های جغرافیایی اجتماعی که مجموعه ای از کاربران {u1، u2، …، u9} را در مکان هایی که توسط دایره ها، مربع ها و مثلث ها نشان داده شده اند، در نظر می گیرد. اندازه آن اشکال نشان دهنده علاقه کاربر به کلمات کلیدی پرس و جو است. Query q یک گروه کاربری با اندازه 3 را درخواست می کند که عملکرد رتبه بندی را به حداکثر می رساند. پرس و جو مجموعه کاربران {u1، u2، u4} را هنگامی که α = 0 (یعنی فقط قطر گروه در نظر گرفته می شود)، مجموعه کاربران {u3، u5، u6} زمانی که α = 0.5، و مجموعه کاربران را برمی گرداند. {u7, u8, u9} برای α = 1 (یعنی فقط علاقه گروه در نظر گرفته می شود). α ε [0، 1] پارامتری است که برای متعادل کردن منافع گروه و قطر گروه استفاده می شود.
Ijgi 11 00019 g007 550
شکل 7. نمونه ای از پرس و جوی کلمه کلیدی جغرافیایی اجتماعی که مجموعه ای از اشیاء {u1، u2، …، u4} را در مکان هایی که توسط دایره ها نشان داده شده اند و با کلمات کلیدی نشان داده شده در جدول سمت راست مرتبط هستند، در نظر می گیرد. Query q یک مکان (دایره قرمز) و مجموعه ای از کلمات کلیدی را درخواست می کند. پرس و جو مجموعه ای از اشیاء {u2, u3} را برمی گرداند که فاصله را به حداقل می رساند و حاوی کلمات کلیدی مورد نیاز است.
Ijgi 11 00019 g008 550
شکل 8. نمونه ای از پرس و جوی top-k جغرافیایی که مکان پرس و جو q، مجموعه ای از مکان ها {p1, p2, p3} و مجموعه ای از کاربران {u1, u2, …, u7} را در نظر می گیرد. جدول سمت راست فواصل مکانی بین مکان پرس و جو و مکان ها، تعداد بازدیدکنندگان هر مکان و امتیاز هر مکان را با توجه به تابع امتیازدهی نشان می دهد.
Ijgi 11 00019 g009 550
شکل 9. نمونه ای از یک پرس و جو خط آسمان جغرافیایی که مکان پرس و جو q و مجموعه ای از کاربران {u 1 , u 2 , …, u 6 } را با فاصله اجتماعی هر کاربر از q در برچسب ها در نظر می گیرد. پرس و جو مجموعه ای از کاربران {u 1 , u 2 , u 4 } را با توجه به فاصله اجتماعی و فضایی در فضای خط آسمان برمی گرداند.
Ijgi 11 00019 g010 550
شکل 10. نمونه ای از پرس و جوی نزدیکترین همسایه جغرافیایی اجتماعی که مجموعه ای از کاربران {u 1 , u 2 , …, u 8 } و محل پرس و جو q را در نظر می گیرد. پرس و جو C 1 را با محدودیت شعاع ρ = 3 برمی گرداند که نزدیک ترین همسایگی به q است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید