基于位置的社交网络中的链接预测研究

发布时间：2021-10-25 00:13

　　随着社交网络的快速发展和移动智能终端的不断普及,基于位置的社交网络（Location-Based Social Networks,LBSN）逐渐成为人们维系社交关系、分享位置内容信息的理想平台,但也令网络数据量呈现爆发式增长,进而导致了信息过载。LBSN中的链接预测研究能够帮助用户从海量数据中挖掘出用户的潜在链接关系,向用户推荐“感兴趣”的其他用户或其他位置,对于把握LBSN结构的演化趋势和发展规律,增加用户对LBSN平台的忠诚度等方面具有重要的研究意义和应用价值。本论文主要研究内容如下:LBSN中现有链接预测方法主要考虑社会、位置、时间以及类别等单一因素,当数据稀疏性较大时,算法性能下降。针对该问题,提出一种LBSN中基于时空关系的超网络链接预测方法。首先,针对LBSN中网络的异构性以及用户间的时空相关特性,将网络划分成“时空-用户-位置-类别”四层超网络,对多维因素进行融合;其次,考虑到边权值对网络的影响,通过挖掘用户影响力、隐关联关系、用户偏好以及节点度信息,构建四层加权超网络模型;最后,通过定义超边及加权超边结构,挖掘用户之间的多元关联关系进行预测。实验表明,本论文提出的链接预... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

基于位置的社交网络

好以及节点度信息量化超网络中的边权值，阶段中，在加权超网络模型的基础上，建立超边结构的重要程度进行量化，从而对用户3.3.1 构建加权超网络模型在上述定义的时空子网，用户子网，位子网间也有一定的关联，如图 3.1 所示。通网间的边权值进行定义和量化。w( t , u )w( u , t)w( u , p )w( p, u)

超边指的是指相邻三层子网构成的边，其特点是包含三种异构、位置和类别节点构成的超边，被称之为三类超边。 3.2、图 3.3 所示，图 3.2 表示相邻的两层网络，其中1 2(t t)构成记为I 1 2SE (t t)；1 1(u t)构成了一条二类超边，记为II 1 1SE (u t)；条二类超边，记为II 3 1SE (u t)。图 3.3 表示相邻的三层网1 c)组成了一条三类超边，记为III 1 1 1SE (u p c),1 3 3(c p u)也组，记为III 1 3 3SE (c p u)。 3.8 超边权重权重指的是每条超边所具有的权值，可通过超边中包含的边权，图 3.2 中的二类超边II 1 1SE (u t)，其超边权重为IISE 1 1 W (u t ) 的三类超边III 1 1 1SE (u p c)，其超边权重为IIISE 1 1 1 1 1 W (u p c ) w( u , p I 1 2SE（ t - t）t

【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]专家知识协作加权超网络模型及其超链路预测研究[J]. 方哲,游宏梁,薛非,耿伟波,高强.  科研管理. 2017(S1)
[3]LBSN上基于兴趣圈中社会关系挖掘的推荐算法[J]. 李鑫,刘贵全,李琳,吴宗大,丁君美.  计算机研究与发展. 2017(02)
[4]基于加权非负矩阵分解的链接预测算法[J]. 王萌萌,左万利,王英.  电子学报. 2016(10)
[5]社交网络中的隐私保护研究综述[J]. 姚瑞欣,李晖,曹进.  网络与信息安全学报. 2016(04)
[6]LBSN中基于元路径的兴趣点推荐[J]. 曹玖新,董羿,杨鹏伟,周涛,刘波.  计算机学报. 2016(04)
[7]基于LDA主题模型的社会网络链接预测[J]. 卢文羊,徐佳一,杨育彬.  山东大学学报(工学版). 2014(06)
[8]超链路预测[J]. 刘怡君,唐先一,李倩倩,马宁,田儒雅.  管理评论. 2012(12)

硕士论文
[1]基于地理位置的朋友推荐研究[D]. 田恩菊.山东大学 2017
[2]基于位置的社交网络好友推荐算法研究[D]. 王晨.北京工商大学 2015
[3]采用位置信息的链接预测方法研究[D]. 朱乔亚.南京邮电大学 2015



本文编号：3456276