پردازش قابل گسترش پرس و جوهای شبکه های اجتماعی بر اساس مکان

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پردازش قابل گسترش پرس و جوهای شبکه های اجتماعی بر اساس مکان

عنوان لاتین

Scalable Processing of Location-based Social Networking Queries

با استفاده از تلفن های هوشمند مجهز به GPS، خدمات شبکه های اجتماعی مجهز به اطلاعات مکانی هستند که به کاربران کمک می کند تا اطلاعات جغرافیایی را با دیگران به اشتراک بگذارند. این اطلاعات LBSN (شبکه اجتماعی مجهز به موقعیت یاب) دارای ماهیت فضایی و گرافی است. رشد مقیاس و اهمیت داده LBSN نیازمند پلتفرمی است که (1) دارای قابلیت های فضایی و گرافی باشد؛ (2) از طیف انبوهی از پرس و جوها پشتیبانی کند، به عنوان مثال پرس و جوی انتخابی، ساختاری و تجمعی؛ (3) از پردازش توزیع شده قابل گسترش داده های بزرگ پشتیبانی نماید. در این مقاله، ما پلتفرمی به نام GeoSocial-GraphX پیشنهاد می کنیم که داده های LBSN را به گراف های خاص متعددی با حفظ روابط کاربر – کاربر، کاربر- موقعیت و موقعیت – موقعیت تقسیم می کند و با پیشنهاد مجموعه منسجمی از اولویت های پرس و جو که می تواند پرس و جونهای پیشرفته تری را تشکیل دهند، طیف وسیعی از پرس و جوهای LBSN را ایجاد می نمایند. ما بر اساس GraphX این پلتفرم را پیاده سازی می کنیم که یک زیرساخت کاهش نقشه برای محاسبه گراف توزیع شده می باشد. ما عملکرد پرس و جو را به شیوه های مختلفی بهبود می دهیم. برای اطلاعات اجتماعی، ما از اپراتورهای پیام رسان راس محور استفاده می کنیم تا ماهیت بازگشتی داده گراف را بهتر از کاهش نقشه دو مرحله ای سنتی مورد رسیدگی قرار دهد. برای اطلاعات فضایی، ما از روش پراکندگی فضایی و نمایه سازی موثر استفاده می نماییم. آزمایشات انجام شده در مجموعه داده های LBSN و مصنوعی نشان می دهد که GeoSocial-GraphX می تواند به طور موثر انواع پرس و جوهای LBSN را پردازش کند و روی معماری های چندهسته ای اجرا شود و نسبت به چارچوب پیشرفته رقیب (یعنی، SpatialHadoop) عملکرد بهتری داشته باشد.

Using GPS-enabled smart phones, social network services are enriched with location information which allows users to share geo-tagged contents with their friends. This socalled location-based social network (LBSN) data has a dual spatial and graph nature. The growing scale and importance of LBSN data necessitate a platform which (i) has both spatial and graph capabilities; (ii) supports a wide range of queries, e.g., selection, structural, and aggregate queries; (iii) supports scalable distributed processing of large data volumes. In this paper, we propose such a platform, called GeoSocial- GraphX, that segregates the LBSN data into several specific graphs capturing user-user, user-location, and location-location relationships, and enables a wide range of LBSN queries by proposing a comprehensive set of query primitives that can be composed into more advanced queries. We implement the platform based on GraphX, a map-reduce infrastructure for distributed graph computation. We further improve the query performance in several ways. For social-related data, we use vertexcentric messaging operators which better address the recursive nature of graph data than traditional two-stage map-reduce. For spatial-related data, we use effective spatial partitioning and indexing methods. Experiments on both synthetic and real LBSN datasets show that GeoSocial-GraphX can process a variety of LBSN queries efficiently, scales on multicore architectures, and achieves much better performance than the state of the art competing framework, SpatialHadoop.