Can multiple social ties help improve human location prediction?

这篇论文解决什么问题？

这篇论文把复杂网络方法用于 social ties 等实际系统，核心问题是如何从真实数据中提取关系结构，并让网络指标服务于预测、解释或决策。

方法与技术路线

方法上强调时间信息：节点关系不是静态边，而是随时间出现、消失或携带记忆效应的交互序列，因此需要时态网络或活动驱动模型。

主要贡献

从题名和公开索引信息看，论文的贡献在于把“social ties”变成一个可被计算、比较或预测的网络科学问题。它为李聪教授关于复杂网络结构、传播动力学、网络控制和 AI+网络的研究谱系补上了一个具体切面。

阅读提示

阅读这篇论文时，可以把题名、作者、年份、期刊/会议和主题词放在一起理解：它属于李聪（Cong Li）在复旦大学未来信息创新学院围绕复杂网络、网络科学与复杂网络应用形成的研究脉络。本页先给出公开书目信息，再用中文梳理研究问题、方法路线和主要贡献，便于读者快速判断它与相关研究方向的关系。

论文定位

Can multiple social ties help improve human location prediction? 是李聪（Cong Li）在 复杂网络应用 方向的代表性论文之一，公开索引信息显示其发表于 Physica A: Statistical Mechanics and its Applications 525, 1276-1288, 2019。从研究主题看，该工作与复旦大学未来信息创新学院复杂网络、网络科学与 AI+网络研究谱系中的相关问题相互呼应。