一种基于贝叶斯网络的社交网络链路预测算法

发布时间：2021-01-06 02:19

　　随着信息技术的发展,在线社交网络已变得越来越流行,社交网络成为了一种人与人之间进行交互的新方式。人们在使用社交网络的过程中产生了海量的数据,如何从社交网络数据中分析与挖掘潜在的用户关系进而辅助商业决策成为了研究热点。链路预测作为一种用来发现用户之间潜在关系的社交网络分析技术,在近些年来获得了大量的关注。社交网络链路预测通过利用当前社交网络中的数据信息来预测用户之间将来可能产生的链接关系,对社交网络分析起到了重要作用。目前主流的社交网络链路预测方法可分为基于用户之间相似度计算的非监督式链路预测方法,以及基于机器学习的监督式链路预测方法。这些方法中可能存在以下缺陷:没有充分利用到用户基本属性信息、需要额外的缺失数据处理过程,以及模型缺乏较好的可解释性。针对现有链路预测算法中存在的缺陷,本文提出一种基于贝叶斯网络的监督式社交网络链路预测算法。根据用户之间在基础属性信息以及关系网络结构上的相似程度,从社交网络数据中提取出用户之间的用户属性“相似性”特征,以及网络结构“相似性”特征。贝叶斯网络作为一种概率图模型,能够充分学习出变量之间的相互关系。本文利用贝叶斯网络来学习用户属性与网络结构的众多“... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

AUC与精确率计算相关示例图

S niiiPxPXPa1( )(|)，贝叶斯网络中所有n个变量的任何实例化的联合概率分布都可以分布的乘积而得到。通过计算由网络中n个变量的每个可能实例产，可以得到整个网络的概率分布。.2 中(a)显示了贝叶斯网络结构的一个样例S1B ，网络中包含三个变箭头表示这两个变量之间存在概率依赖关系。同样，从2X 到3X 的也存在概率依赖关系。从1X 到3X 之间不存在箭头意味着1X 到3X 概率依赖关系。具体来说，假定2X 的值是已知的，则3X 取值的概1X 的值。图 2.2 中(b)显示了表示三个变量之间不同依赖关系的另构，在1X 的值已知的条件下，2X 与3X 之间是相互独立的。表示关系是贝叶斯置信网络的基本功能。

关系及其概率分布，因而可以利用贝叶斯网络来做相关概率性查询。例如，当观察到其他变量值时，网络可用于根据变量子集状态得到其他状态的概率值。由于网络模型并没有直接包含这些概率值，因而需要进行计算与推导。根据贝叶斯网络模型来计算目标概率被称为贝叶斯概率推导[34]。以图 2.3 为例，图 2.3 为用于欺诈检测的贝叶斯网络，图中节点分别为各个影响元素，图中的边表示因果关系。根据图中的网络结构，可以得知如下条件独立关系：(|,,,)(|,,)(|,,)(|)(|,,)(|)(|,)()(|)()PjfasgPjfasPjfasPgfPgfasPgfPsfaPsPafPa 对于给定其他变量观测值的情况下，产生欺诈的概率计算方式为： '(,,,,)(,,,,)(,,,)(,,,,)(|,,,)'fPfasgjPfasgjPasgjPfasgjPfasgj(2-41)

【参考文献】：
期刊论文
[1]基于网络表示学习与随机游走的链路预测算法[J]. 刘思,刘海,陈启买,贺超波.  计算机应用. 2017(08)
[2]MapReduce环境下的并行复杂网络链路预测[J]. 饶君,吴斌,东昱晓.  软件学报. 2012(12)
[3]无标度网络中的链路预测问题研究[J]. 王林,商超.  计算机工程. 2012(03)
[4]利用链路预测推断网络演化机制[J]. 刘宏鲲,吕琳媛,周涛.  中国科学:物理学 力学 天文学. 2011(07)
[5]EM算法研究与应用[J]. 王爱平,张功营,刘方.  计算机技术与发展. 2009(09)
[6]贝叶斯网络结构学习的发展与展望[J]. 贺炜,潘泉,张洪才.  信息与控制. 2004(02)
[7]用于数据挖掘的贝叶斯网络[J]. 慕春棣,tsinghua.edu.cn,戴剑彬,叶俊.  软件学报. 2000(05)



本文编号：2959739