用户属性信息推断方法的研究
发布时间：2021-04-05 20:31
近些年来,随着互联网、移动互联网的发展,以微博、微信等社交平台为代表的社交媒体也迅速发展起来。社交媒体促进了用户之间的沟通和交流,方便了用户信息的获取,正在成为人们日常生活中不可或缺的一部分。用户在社交媒体上的行为产生了大量的社会网络数据,其中就包括用户的属性信息数据。然而,由于用户不愿意暴露隐私信息等原因,用户的属性信息存在着缺失、不完整的现象,这给人们对于在线社会网络的研究带来了困难。因此一些研究者开始研究社会网络中的用户属性信息推断问题,来增补和还原用户属性信息中缺失和不完整的部分。然而目前的属性推断方法主要是根据无权网络来解决属性推断问题,没有考虑到用户节点之间关系的强弱,在属性推断问题上,关系强的邻居节点应当比关系弱的邻居节点起到更大的作用。本课题在微博用户构成的社会网络中进行了属性推断的研究。首先,本文介绍了几种传统的属性推断算法,并考察了传统属性推断方法在实验数据集上的属性推断效果。然后,本文采用两种方法来判别社会网络中的强关系和弱关系,一种是设定相似性阈值的方法,另一种是基于社区发现的方法。在判别了强弱关系的社会网络中,使用强关系邻居加权投票的方法来完成属性信息的推断任...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
研究框架图
图 2-1 用户 u 的二跳网络示意图 a，b 和 c 处于用户 u 的一跳网络中，用户 d，从用户 ID 为 1654619934 的互相关注的好友中用户的互相关注好友拓展一跳和二跳网络，得到数据集一和数据集二的节点数和边数如表 2-3 训练集，20%的节点作为测试集。表 2-3 数据集一和数据集二的统计信息 节点数（个） 边一 20228 二 32049 博数据集的处理012 中腾讯公司提供的腾讯微博数据集中包含用户关注表、用户关键词表等。本文用到的是用
哈尔滨工业大学工程硕士学位论文息熵”、“信息增益率”和“基尼指数”三种方别对应着三种不同的决策树：ID3 决策树算法（Classification And Regression Tree）决策树算决策树示意图，从根节点开始，根据色泽、根不断分裂，知道最终得出结果（色泽青绿、根）。成是一个递归的过程，当满足以下三个条件中]73-74：（1）当前节点的所有样本属于同一类别；3）所有样本属性取值相同或者当前节点的属性
【参考文献】：
期刊论文
[1]社交网络用户敏感属性迭代识别方法[J]. 谢小杰,梁英,董祥祥. 山东大学学报(理学版). 2019(03)
[2]基于node2vec的社交网络用户属性补全攻击[J]. 裴杨,瞿学鑫,郭晓博,段丁阳. 信息网络安全. 2017(12)
[3]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松. 中国科学:信息科学. 2017(08)
[4]基于随机森林回归分析的PM2.5浓度预测模型[J]. 杜续,冯景瑜,吕少卿,石薇. 电信科学. 2017(07)
[5]基于社团结构的链接预测和属性推断联合解决方法[J]. 王锐,吴玲玲,石川,吴斌. 电子学报. 2016(09)
[6]基于社交网络的社交关系强度分类研究[J]. 沈洪洲,袁勤俭. 情报学报. 2014 (08)
[7]一种基于随机游走模型的多标签分类算法[J]. 郑伟,王朝坤,刘璋,王建民. 计算机学报. 2010(08)
博士论文
[1]社交媒体中的个性化推荐关键技术研究[D]. 李舒辰.北京邮电大学 2018
[2]社交网络链路预测方法研究[D]. 张维玉.北京邮电大学 2016
[3]社会网络中基于链接的分类问题研究[D]. 万怀宇.北京交通大学 2012
硕士论文
[1]复杂网络中的社区发现算法研究[D]. 陈雨晴.南京邮电大学 2018
[2]基于强关系的用户属性信息推断方法[D]. 乔伊娜.哈尔滨工业大学 2018
[3]新媒体时代：网络互动在网络信息传播中的作用研究[D]. 孙屹山.浙江大学 2018
[4]信息网络中节点缺失信息推断研究[D]. 吴玲玲.北京邮电大学 2015
本文编号：3120054
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
研究框架图
图 2-1 用户 u 的二跳网络示意图 a，b 和 c 处于用户 u 的一跳网络中，用户 d，从用户 ID 为 1654619934 的互相关注的好友中用户的互相关注好友拓展一跳和二跳网络，得到数据集一和数据集二的节点数和边数如表 2-3 训练集，20%的节点作为测试集。表 2-3 数据集一和数据集二的统计信息 节点数（个） 边一 20228 二 32049 博数据集的处理012 中腾讯公司提供的腾讯微博数据集中包含用户关注表、用户关键词表等。本文用到的是用
哈尔滨工业大学工程硕士学位论文息熵”、“信息增益率”和“基尼指数”三种方别对应着三种不同的决策树：ID3 决策树算法（Classification And Regression Tree）决策树算决策树示意图，从根节点开始，根据色泽、根不断分裂，知道最终得出结果（色泽青绿、根）。成是一个递归的过程，当满足以下三个条件中]73-74：（1）当前节点的所有样本属于同一类别；3）所有样本属性取值相同或者当前节点的属性
【参考文献】：
期刊论文
[1]社交网络用户敏感属性迭代识别方法[J]. 谢小杰,梁英,董祥祥. 山东大学学报(理学版). 2019(03)
[2]基于node2vec的社交网络用户属性补全攻击[J]. 裴杨,瞿学鑫,郭晓博,段丁阳. 信息网络安全. 2017(12)
[3]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松. 中国科学:信息科学. 2017(08)
[4]基于随机森林回归分析的PM2.5浓度预测模型[J]. 杜续,冯景瑜,吕少卿,石薇. 电信科学. 2017(07)
[5]基于社团结构的链接预测和属性推断联合解决方法[J]. 王锐,吴玲玲,石川,吴斌. 电子学报. 2016(09)
[6]基于社交网络的社交关系强度分类研究[J]. 沈洪洲,袁勤俭. 情报学报. 2014 (08)
[7]一种基于随机游走模型的多标签分类算法[J]. 郑伟,王朝坤,刘璋,王建民. 计算机学报. 2010(08)
博士论文
[1]社交媒体中的个性化推荐关键技术研究[D]. 李舒辰.北京邮电大学 2018
[2]社交网络链路预测方法研究[D]. 张维玉.北京邮电大学 2016
[3]社会网络中基于链接的分类问题研究[D]. 万怀宇.北京交通大学 2012
硕士论文
[1]复杂网络中的社区发现算法研究[D]. 陈雨晴.南京邮电大学 2018
[2]基于强关系的用户属性信息推断方法[D]. 乔伊娜.哈尔滨工业大学 2018
[3]新媒体时代：网络互动在网络信息传播中的作用研究[D]. 孙屹山.浙江大学 2018
[4]信息网络中节点缺失信息推断研究[D]. 吴玲玲.北京邮电大学 2015
本文编号：3120054
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3120054.html
