面向社交网络的链接预测研究

发布时间：2020-07-12 09:12

【摘要】：在互联网迅猛发展的今天,人们习惯于通过互联网进行信息的传递,规模庞大的用户和错综复杂的关系构成了多姿多彩的在线社交网络。社交网络作为人们线上社交活动的重要载体,具有数据量巨大、传播途径多元、网络结构复杂的特点,导致网络结构不断演变和难以控制。如何把握社交网络的演化趋势和发展规律,挖掘用户的潜在关联,对用户间的链接关系进行有效预测是亟待研究和解决的问题。本论文主要从用户属性层面和网络结构层面两个方面出发,对社交网络中的链接预测进行了分析和研究。主要研究工作如下:1.在用户属性层面,针对多维属性因素间的耦合关联,利用社交网络中用户的行为数据以及关系数据,构建面向多维网络空间的相关性复用链接预测模型。首先基于分层的思想,将网络映射为多维网络空间,对各层网络空间的相关性分别进行分析,从而降低属性因素之间的耦合性;其次针对用户的多兴趣特点,利用潜在狄利克雷分布LDA(Latent Dirichlet Allocation)在处理兴趣划分问题上的优势,将传统对文本建模的方法用于行为建模;最后结合WAODE(Weighted Average of One-Dependence Estimators)算法的弱化独立性思想,对LDA模型进行扩展,综合多维因素进行链接预测,并发现影响链接建立的关键因素。2.在网络结构层面,充分考虑到非拓扑特征与拓扑特征之间的关联性,构建面向社交网络的三层隐贝叶斯链接预测模型。首先,将高斯加权LDA应用到用户行为建模中,挖掘用户潜在兴趣分布,分析内部驱动因素的影响;其次,引入用户活跃度进一步优化高斯加权LDA,增强了模型的解释性及兴趣主题的表达能力;最后,基于潜在兴趣分布重新定义隐朴素贝叶斯HNB(Hidden Naive Bayes)算法的隐含因子,分析外部驱动因素的影响,并利用改进后的HNB算法,挖掘用户的潜在兴趣分布,并对用户间的链接关系进行有效预测。结合真实的新浪微博和Twitter数据,本论文进行了实验验证。实验表明,本论文提出的模型有效融合了用户属性和网络结构,能够对社交网络中的链接关系进行预测,有助于掌握社交网络的演化趋势和发展规律,为推荐系统提供了参考价值。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09
【图文】：

示意图,示意图,社交,社交圈

研究现状社交网络发展现状社交网络一词的概念最初来源于社会学的“六度分隔”理论。20 世纪 60 年大学 Stanley Milgram 教授第一次提出“六度分隔”理论，如图 1.2 所示，在地球上，任何一个人与陌生人之间所间隔的人不会超过六个[8]，该理作小世界理论。小世界理论反映出社会中普遍存在的“弱纽带”效应[9]，，每个个体自身的社交圈逐步扩大，最后形成一个大型的社交网络，这社交网络的初期理解，也是社交网络分析的理论基础。到本世纪初，社渐成为多学科交叉的研究领域，其在社会学、心理学以及统计学等领域广泛应用和发展，并形成一套系统的理论方法和研究技术。

论文,思路,预测模型,链接

重庆邮电大学硕士学位论文第 1 章绪论模型的研究以及面向社交网络的三层隐贝叶斯链接预测模型的研究。本文的主要研究内容和基本思路如图 1.3 所示。本文从关键问题出发，建立了面向多维网络空间的相关性复用链接预测模型和面向社交网络的三层隐贝叶斯链接预测模型，并设计了相关的模型算法，同时这也是作者在攻读硕士学位期间的主要研究工作。主要工作和创新如下：

示意图,链接,示意图,用户关系

重庆邮电大学硕士学位论文第 2 章相关技术和理论基础网络中的链接预测发展而来，将用户和用户关系构成的网络抽象为图，即用户为节点，用户关系为边，链接预测也就是用户关系预测，可以理解为根据可观测的网络结构以及用户相关属性信息，推断出可能存在的缺失链接和未来链接[34]，如图 2.1 所示。

【参考文献】