跨社交网络用户身份链接算法研究

发布时间：2020-11-16 11:36

　　 随着在线社交网络的飞速发展与大数据时代的来临,数据挖掘技术越来越广泛地应用在社交网络的研究当中。社交网络职能的多样化和用户需求的差异性,使得用户同时活跃于多个不同的社交网络中,在单一社交网络进行数据挖掘难以展现出用户在整个社交网络中的全局特征。只有将不同社交网络中的账户与其对应的真实用户身份建立链接,研究者才能够在多层网络中进行全面而完整的用户信息挖掘,从而得到用户在网络中的全局特征。这种将多个网络中的账户链接到其对应用户身份的技术被称为跨社交网络用户身份链接技术。研究跨社交网络用户身份链接技术,能使研究者获得社交网络的整体视图,为社交网络更进一步的研究提供可能性,同时对维护互联网安全环境有着很大的帮助。在过往对跨社交网络用户身份链接问题的研究中,由于用户脸谱信息的不一致以及实际网络间的差异性,仅使用传统属性相似度计算方法往往难以精确地对不同网络的账户进行链接。针对这一问题,本文通过对社交网络特性的分析,结合网络中的脸谱信息与结构信息,提出基于结构的邻居迭代相似度算法,用于解决使用传统属性相似度计算方法的不足,得到一个更加完善的跨社交网络用户身份链接算法。该算法是一种半监督的传播方法,以先验种子链接为基点,通过迭代的方式,逐渐向整个网络传播覆盖,以完成用户身份链接的工作。本文利用真实社交网络的数据集,通过与其他算法进行对比,对算法的性能进行了分析与讨论,证明了算法优秀的综合性能。在之后的工作中,本文对算法进行了进一步的优化讨论,通过阈值设置与结果裁剪的方式来减少迭代中的误判,以提高算法的准确性。通过对优化前、部分优化和完整优化的算法进行实验对比,验证了优化方法的可行性与有效性,并对阈值、裁剪比例、先验种子链接等因素对算法性能的具体影响进行了讨论。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.09
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 用户身份链接的应用场景
        1.1.2 用户身份链接面临的挑战
    1.2 相关研究现状
    1.3 本文主要工作
    1.4 本文组织结构
第二章 相关研究概述
    2.1 社交网络研究概述
    2.2 跨社交网络用户身份链接算法
        2.2.1 有监督方法
        2.2.2 半监督方法
        2.2.3 无监督方法
    2.3 本章小结
第三章 基于结构的邻居迭代相似度算法
    3.1 公式化与相关定义
        3.1.1 多重社交网络模型与相关概念定义
        3.1.2 数字特征与属性相似度
        3.1.3 邻居迭代相似度
        3.1.4 先验种子链接
        3.1.5 相同邻居
    3.2 基于结构的邻居迭代相似度算法
        3.2.1 问题定义与算法流程设计
        3.2.2 数据预处理
        3.2.3 迭代候选搜索与最优确认
    3.3 实验与结果分析
        3.3.1 实验准备与评估标准
        3.3.2 实验结果分析
    3.4 本章小结
第四章 基于结构的邻居迭代相似度算法优化
    4.1 阈值设置
    4.2 结果裁剪
    4.3 实验与结果分析
        4.3.1 优化算法性能评价
        4.3.2 阈值设置分析
        4.3.3 裁剪比例分析
        4.3.4 先验种子链接影响分析
        4.3.5 网络节点重叠率影响分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来研究展望
致谢
参考文献
攻读硕士学位期间取得的成果

【相似文献】

相关期刊论文 前10条

1 张子琰;;浅析社交网络对高中生课余生活的影响[J];现代交际;2018年11期

2 周浩;;论社交网络对青少年的影响[J];基础教育参考;2018年12期

3 丁晶晶;;社交网络让人变得更爱独处?[J];大自然探索;2018年06期

4 孙金铭;吴珎义;任世浛;赵云龙;高宁;郑啸航;;杭州市使用社交网络大学生MSM人群规模评估研究[J];中国学校卫生;2017年09期

5 范国婷;杨颖;孙刚;赵佳;;基于扰动的社交网络保护方法研究[J];阜阳师范学院学报(自然科学版);2017年04期

6 杨邦林;林媛媛;林谷洋;林惠茹;;社交网络使用对大学生孤独感的影响[J];信阳师范学院学报(哲学社会科学版);2018年02期

7 于建伟;;基于社交网络的人格分析与预测[J];现代计算机(专业版);2018年04期

8 陈洁;;利用社交网络增强大学生思想疏导教育实效性研究[J];戏剧之家;2018年11期

9 魏蒙蒙;陈进;;社交网络招聘的优势分析和应用建议[J];安徽文学(下半月);2018年03期

10 江瑞辰;;大学生人格特征与移动社交网络使用动机的关系——自尊的中介作用[J];成都师范学院学报;2018年02期

相关博士学位论文 前10条

1 何军;基于社会选择和社会影响作用机制的社交网络群推荐方法研究[D];合肥工业大学;2017年

2 王锦坤;面向在线社交网络用户的个性化推荐方法研究[D];合肥工业大学;2017年

3 蒋志雄;宗教社会资本功能的实证研究[D];武汉大学;2014年

4 姚静静;社交网络用户过度使用到理性使用的实证研究[D];中国科学技术大学;2017年

5 Adeel Luqman;基于纵向信息系统生命周期视角理解和预测享乐社交网络的退出意愿[D];中国科学技术大学;2017年

6 彭川;在线社交网络中的信息传播预测模型研究[D];武汉大学;2016年

7 刘立;基于多个社交网络的用户关系分析[D];北京理工大学;2016年

8 胡善贵;社交网络情境下文化智力的影响因素及其作用机理研究[D];中国科学技术大学;2017年

9 杨洋;社交网络中的信息传播模型研究[D];清华大学;2016年

10 陈侃;在线社交网络可信身份管理与监测技术研究[D];国防科学技术大学;2015年

相关硕士学位论文 前10条

1 赵佳旭;基于算法的社交网络营销策略研究[D];福建师范大学;2017年

2 MURATULY FARKHAT;跨境电商俄语市场SNS营销研究[D];浙江大学;2018年

3 朱勇华;面向社交网络应用的隐私保护研究[D];中北大学;2018年

4 郑龙水;跨平台的社交网络用户身份识别技术研究[D];西南科技大学;2018年

5 郑夏;社交网络人物行为分析及应用研究[D];电子科技大学;2018年

6 张乘斐;社交网络热点推荐算法的研究与应用[D];电子科技大学;2018年

7 谢星辰;互联网人物属性识别与融合方法研究[D];电子科技大学;2018年

8 王森山;社交媒体中的用户情感极性分析方法研究[D];电子科技大学;2018年

9 徐洁;青年社交网络使用和公民参与[D];南京大学;2018年

10 张磊;云计算中社交网络数据放置优化策略[D];安徽大学;2018年

本文编号：2886158