Linked geodata for profiling of telco users

• Authors: Krzysztof Węcel

Title variants

PL

Powiązane geodane dla profilowania użytkowników telco

• Languages of publication: EN

Abstracts

EN

There is a growing interest in location-based profiling of users de-fined as combining geo-data with anonymous on-line profiles. The profile of an entity usually consists of concepts accompanied by a weight specifying a relative importance of the given concept for making an analysed entity distinct. The proposed profiling method of telco users is a two-step approach. First, profiles of mobile tower stations (BTS) are created based on crowdsourced geographical information. Second, they are used to generalise the behaviour of a calling user, which is determined from Call Detail Records (CRD). The linked data cloud is considered as an additional knowledge source in the user modelling process.

PL

Obserwuje się rosnące zainteresowanie geograficznym profilowaniem użytkowników, rozumianym jako łączenie danych geograficznych z anonimowymi profilami użytkowników. Profil jednostki zazwyczaj składa się z pojęć geograficznych oznaczonych wagami, odzwierciedlającymi względną ważność poszczególnych pojęć dla odróżniania użytkowników. Proponowana metoda profilowania użytkowników sieci komórkowych jest dwuetapowa. W pierwszej kolejności tworzone są profile stacji przekaźnikowych (BTS) na podstawie społecznie dostarczonych informacji geograficznych. Następnie te profile są wykorzystywane do uogólnienia zachowania użytkownika, wynikającego z analizy logów jego połączeń (CDR). Chmura danych powiązanych (linked data) jest wykorzystywana jako dodatkowe źródło wiedzy w procesie modelowania użytkownika.

Keywords

EN

Bts; Call detail record; Cdr; Lgd; Linked data; Linked geodata; Mo-bile user; Osm; Telco; User profiling

PL

Bts; Cdr; Dane powiązane; Lgd; Logi połączeń; Osm; Powiązane geodane; Profilowanie użytkownika; Telco; Użytkownik mobilny

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2015
• Volume: 234
• Pages: 199-213

Contributors

author

Krzysztof Węcel

References

• Abel F., Hauff C., Houben G.-J., Tao K. (2012), Leveraging User Modeling on the Social Web with Linked Sata [in:] Web Engineering, Springer-Verlag, Berlin-Heidelberg, pp. 378-385.
• Auer S., Lehmann J., Hellmann S. (2009), LinkedGeoData: Adding a Spatial Dimension to the Web of Data, ISWC 2009, Vol. 5823, Springer, Heidelberg, pp. 731-746.
• Baccelli F., Bolot J. (2011), Modeling the Economic Value of the Location Data of Mobile Users, INFOCOM, IEEE, pp. 1467-1475.
• Blei D.M., Ng A.Y., Jordan M.I. (2012), Latent Dirichlet Allocation, “Journal of Machine Learning Research”, Vol. 3(4-5), pp. 993-1022, doi:10.1162/jmlr.2003.3.4-5.993.
• Cano A.E., Dadzie A.-S., Burel G., Ciravegna F. (2013), Topica-Profiling Locations through Social Streams. Semantic Technology, Springer-Verlag, Berlin-Heidelberg, pp. 290-305.
• Chen F., Joshi D., Miura Y., Ohkuma T. (2014), Social Media-based Profiling of Business Locations, Proceedings of the 3rd ACM Multimedia Workshop on Geotagging and Its Applications in Multimedia, Orlando, FL, pp. 1-6.
• Fawcett T. (2006), An Introduction to ROC Analysis, “Pattern Recognition Letters”, Vol. 27(8), pp. 861-874, doi:10.1016/j.patrec.2005.10.010.
• Görnerup O. (2012), Scalable Mining of Common Routes in Mobile Communication Network Traffic Data [in:] J. Kay, P. Lukowicz, H. Tokuda, P. Olivier, A. Krüger (eds.), “Pervasive Computing”, Vol. 7319, Springer-Verlag London, pp. 99-106, doi:10.1007/978-3-642-31205-2_7.
• Liu F., Janssens D., Cui J., Wang Y., Wets G., Cools M. (2014), Building a Validation Measure for Activity-based Transportation Models Based on Mobile Phone Data, “Expert Systems with Applications”, Vol. 41(14), pp. 6174-6189, doi: 10.1016/ j.eswa.2014.03.054.
• Liu F., Janssens D., Wets G., Cools M. (2013), Annotating Mobile Phone Location Data with Activity Purposes Using Machine Learning Algorithms, “Expert Systems with Applications”, Vol. 40(8), pp. 3299-3311. doi:10.1016/j.eswa.2012.12.100.
• Ostuni V.C., Gentile G., Di Noia T., Mirizzi R., Romito D., Di Sciascio E. (2013), Mobile Movie Recommendations with Linked Data [in:] Availability, Reliability, and Security in Information Systems and HCI, Springer, Berlin-Heidelberg, pp. 400-415.
• Qu Y., Zhang J. (2013), Trade Area Analysis Using User Generated Mobile Location Data, Proceedings of the 22nd International Conference on World Wide Web, Republic and Canton of Geneva, Switzerland, International World Wide Web Conferences Steering Committee, pp. 1053-1064, http://dl.acm.org/citation.cfm?id=2488388.2488480 (accessed: 30.08.2015).
• Ruotsalo T., Haav K., Stoyanov A., Roche S., Fani E., Deliai R., Mäkelä E., Kauppinen T., Hyvönen E. (2013), SMARTMUSEUM: A Mobile Recommender System for the Web of Data. “Web Semantics: Science, Services and Agents on the World Wide Web”, Vol. 20(0), pp. 50-67, doi:10.1016/j.websem.2013.03.001.
• Song C., Qu Z., Blumm N., Barabási A.-L. (2010), Limits of Predictability in Human Mobility, “Science”, Vol. 327(5968), pp. 1018-1021.

Identifiers

ISSN

2083-8611