基于影响力的社交网络隐性关系推测

发布时间：2020-11-18 10:30

　　 社交网络研究在大数据时代下如鱼得水,尤其在计算机研究领域,关于社交网络中链接关系的预测更是如火如荼。然而,目前已有的研究大多专注于对节点间显性关系的研究,忽略了隐性关系的存在。隐性关系与显性关系同样为社交网络中不可缺少的重要组成部分,且隐性关系能够发现用户更多的潜在关系。针对隐性关系,本文从定义,特点以及类型等多方面对其进行了阐述,并提出了一种影响力算法用来推测用户间隐性关系的存在。该算法建立在偶然联系度,兴趣重合度和用户流行度三个指标的基础之上,以影响力作为参考,通过与阈值比较,超出阈值的用户关系即存在隐性关系。为了验证本文方法的可行性与准确性,以共同好友方法作为对比,并从能够推测到的用户好友关系数量,确定率,漏报率和误报率多个指标进行验证。通过实验验证与分析,最终证实了影响力算法的可行性与准确性。
【学位单位】：河北大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.09
【部分图文】：

E = Evisible∪Einvisible隐性关系都是用户间客观存在的关仅能反映出潜在的好友关系，更能反及其可能对用户造成的影响）。为了现形式的不同，可以将其分为共同好的研究中，经常会遇到具有三角关系断具有共同好友的用户之间存在链接，共同好友型（也可称为三角关系型种形式，即具有共同好友的用户之

图 3-2 共同兴趣型如图3-2所示，Interest1和Interest2是两个不同的兴趣组（为了简化表示，只在Interest1中画出了隐性关系），用户 A 与用户 B 间，用户 D 与用户 E 间具有好友关系，由于地理位置等原因，用户 A、用户 B、用户 C 和用户 D、用户 E 都没有直接联系，但是他们具有共同的兴趣 Interest1（同属于共同兴趣组中的用户可以认为具有相同的兴趣）

第 3 章 隐性关系的属性侃侃而谈。趣型是朋友，从共同目的的角度讲，其中就包含需求-B 的敌人，用户 C 由于一些原因（如利益、纠纷等 A 间存在隐性关系，为了对付共同的敌人——用隐性关系由用户目的的角度延伸而来。某一用户有此能力的用户完成，最终这些用户各取所需，完-3 所示。
【参考文献】

相关期刊论文 前8条

1 王晨旭;管晓宏;秦涛;周亚东;;微博消息传播中意见领袖影响力建模研究[J];软件学报;2015年06期

2 丁兆云;贾焰;周斌;唐府;;社交网络影响力研究综述[J];计算机科学;2014年01期

3 徐恪;张赛;陈昊;李海涛;;在线社会网络的测量与分析[J];计算机学报;2014年01期

4 邓仲华;李志芳;;科学研究范式的演化——大数据时代的科学研究第四范式[J];情报资料工作;2013年04期

5 王元卓;靳小龙;程学旗;;网络大数据:现状与展望[J];计算机学报;2013年06期

6 李国杰;程学旗;;大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J];中国科学院院刊;2012年06期

7 吕琳媛;;复杂网络链路预测[J];电子科技大学学报;2010年05期

8 乔少杰;唐常杰;彭京;刘威;温粉莲;邱江涛;;基于个性特征仿真邮件分析系统挖掘犯罪网络核心[J];计算机学报;2008年10期

本文编号：2888617