基于多源异构数据融合的社交网络链路数据预测研究

发布时间：2022-12-10 17:39

　　近年来,随着社交网络服务和其他网络应用的迅速增长,社交网络数据出现以指数级增长的态势,这些数据开始互相关联,并出现交集。由于这些数据在一定程度上保存了用户的潜在行为模式,因此,如何从海量的社交网络数据中挖掘出用户的潜在关联来实现社交网络服务质量的提升,成为许多社交网站及相关企业亟待解决的问题,同样在学术界也引起了一股研究热潮。链路预测采用补全社交关系网络的方式,来挖掘出大数据中的潜在商业价值。链路预测是指通过已知的网络节点以及网络结构等信息预测出网络中尚未产生链路的两个节点之间产生链路的可能性。由于链路预测所面对的数据具有多维度和全面性的特点,因此数据之间常常存在着意想不到的关联性。但传统的链路预测没有对这些多维度的数据进行深挖,忽略了数据的关联性。本文对这些多维度数据进行层层探索,创建新的链路预测模型,实现更准更高效的预测结果。针对传统链路预测存在的局限性,本文通过神经网络构建了基于多源异构数据融合的链路预测混合模型,主要研究内容如下:1.本文提出了一种基于多源异构数据的链路预测混合模型。该模型利用基于地理位置的社交网络数据集中的用户关系拓扑图和用户签到记录这两种异构数据对用户行为模... 

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究历史与现状
    1.3 本文的主要内容与创新
    1.4 本论文的结构安排
第二章 相关工作及技术框架
    2.1 相关工作
        2.1.1 基于用户关系拓扑图的链路预测问题
        2.1.2 基于用户签到记录的链路预测问题
        2.1.3 基于多种数据源信息融合的链路预测问题
    2.2 技术框架
        2.2.1 局部敏感哈希
        2.2.2 神经网络
        2.2.3 网络表示学习
        2.2.4 矩阵分解
    2.3 本章小结
第三章 基于多源异构数据的链路预测混合模型
    3.1 MHLP的整体框架及工作流程
    3.2 MHLP的基本定义
    3.3 数据清洗基本方案
        3.3.1 确定签到范围
        3.3.2 选择签到时间
        3.3.3 删除冗余数据
        3.3.4 用户一致性
    3.4 连通子图获取方案及算法
    3.5 访问偏好建模
    3.6 社交表示建模
    3.7 本章小结
第四章 基于锚链接方法和LSH技术的链路预测混合模型
    4.1 基于锚链接方法的链路预测混合模型
        4.1.1 ALLP的整体框架及工作流程
        4.1.2 ALLP的基本定义
        4.1.3 ALLP的建模方案及算法
    4.2 基于LSH技术的链路预测混合模型
        4.2.1 LSHLP的整体框架及工作流程
        4.2.2 LSHLP的基本定义
        4.2.3 LSHLP的建模方案及算法
    4.3 本章小结
第五章 实验配置及相关性能结果
    5.1 实验数据集
    5.2 实验设置
        5.2.1 实验参数设置
        5.2.2 基准模型及预测评估指标
        5.2.3 F1的两种实现策略
    5.3 实验发现
        5.3.1 t-SNE降维投影分析
        5.3.2 模型准确度评估
        5.3.3 模型性能评估
    5.4 本章小结
第六章 全文总结与未来展望
    6.1 全文总结
    6.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]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)



本文编号：3717218