移动社交网络中微博集群隐社交行为获取研究

发布时间：2019-07-12 21:14

【摘要】：当前信任推理机制在建立移动社交网络用户之间的联系中起着关键的作用。本文描述了一个由用户的联系形成的隐社交行为图构建算法。通过对用户的联系关系进行评分排名,从而形成一个动态联系等级,帮助用户评估移动社交网络环境中的用户之间的信任值。通过联系、互动演变和用户属性的水平来计算基于分组的信任值,再通过基于不同分组的信任值的聚合来获得一个集群信任值,探讨了一个全范围的移动社交网络集群信任值的传递。证明了在移动社交网络的微博信息分享系统中的基于分组行为关系的有效性。
文内图片：

图片说明：图形），一个隐社交行为图形是一个社交图的一种特殊形式。它是高度连接的移动社交网络的顶点的子集，并且是由感兴趣的用户（Iuser）和他/她的直接相邻组成。在隐社交行为图形中的边有两个方向和权重。边的方向由它是否是由用户传出的发出联系形成的，还是由用户接受的呼入交流来确定的。以自我为中心的用户和直接的相邻之间的边的权重是由联系行为模式决定的。该以自我为中心的用户i的隐社交行为图形被表示为Iuser-i图形，图1展示了一个Iuser-i图形的例图，为了简单，其中边的方向被忽略了。图1感兴趣的用户间结构在移动社交服务中，个人是社交的动机，并受到社交网络的功能范围之外的个人的影响，并且服务协议不是关键问题【8】。因此本文使用社交激励机制和底层现实世界作为信任的一个替代的基矗图2给出了在微信中一个真实的隐社交行为图形的拓扑图。示例图显示出了特征性结构，这是现实世界中常见的大多数隐社交行为图。有变化的组被密INFORMATIONSCIENCEVol.34,No.11November,2016·DoctorForum·-130-
文内图片：

图片说明：集的连接在一起，，但只与网络的其余部分有稀疏的关联。这些密集区域是由于群体的社交特性而存在。群体中的成员通常都认识对方，因此形成了紧密的子连接图。另一方面，一个群体的其他成员不认识其他群体的成员，导致了一个稀疏的相互联系。如图2所示，每一个以自我为中心的用户可以有多个组，每个组用不同的颜色标记。例如用户i和j有三组，分别是家、同学和同事。换句话说，Iuser-i图形和Iuser-j图形中分别有三个交流组。图2从微信中检索到的一个真实的隐社交行为图图3隐社交行为图形和它们的信任关系。图4-Distance信任让图G=G（V，E）表示一个移动社交网络系统，其中顶点的集合V表示用户（节点），并且边的集合E表示这些用户之间的关系。如果用户i信任用户j，就会存在一个从用户i到用户j方向的边，反之亦然。忽略边的方向，并且每个边意味着都是双向边。假设图G可以被划分为多个子图，如图3所示，假设在Gi中有Ni个点。在Gi中的每个边由发送和接收联系形成的。根据上面的讨论，每个Gi是一个Iuser-i图形，尽管它可能由单一的节点组成。接下来，将交换着使用术语“Iuser-i图形”，“Gi”和“集群”。个体被作为一个“朋友”加入到其中，意味着至少，用户i对于被添加个体有一定的了解。个人之间的这种连接可以用来推断存在于它们之间的信任关系。但是，它没有描述信任或上下文的关系的水平。因此，提供一个定量描述信任关系的方法是重要的。我们认为社交网络中的用户之间的社交信任关系可以由没有外部限制的用户交流行为所推断。这种信任表示在同一组中的用户之间的信任关系，并被称为组内信任。基于组内信任（见定义2），可
【作者单位】：湖北工业大学经济与管理学院;
【基金】：国家自然科学基金面上项目(71573073) 湖北省自然科学基金项目(2015CFB303) 湖北省科技厅软科学项目(2015BDF090) 湖北省教育厅哲学社会科学研究重大项目(15JD023)
【分类号】：TP393.09;G206

【相似文献】