社交网络中基于链路预测的推荐系统研究

发布时间：2021-10-12 15:38

　　链路预测作为数据挖掘的一个领域,在复杂网络中有着广泛的研究。随着在线社交网络的蓬勃发展,潜在好友的推荐成为社交网络服务中的基础功能。链路预测是基于当前的网络结构和节点的属性去预测现在尚未结交的用户“倾向于成为朋友”,并将此结果作为“朋友推荐”发送给用户。因此,社交网络上的链路预测具有较好的实际应用价值,而且相比传统的复杂网络,社交网络有更多的信息可以利用,比如社团特征、文本信息等。一个好的链路预测方法往往需要一些好的网络特征或生长机制来支持,如网络的社团结构、偏好连接和弱连接效应等都可以很好的指导链路预测。在本文中,首先,我们根据社交网络的特点提出了一种基于关系强度的机制,并基于此机制改进了传统的链路预测算法。其次,考虑到用户的已有链路关系和兴趣偏好都是影响链路的重要因素,并通过结合社区发现算法做了进一步改进,该方法同时利用了用户的关系信息和兴趣偏好特征。最后,如何利用好这些网络信息与机制是影响链路预测准确率的关键。为此,本文设计了一个结合链路预测与标签传播社区划分算法的好友推荐系统。具体的研究内容如下:（1）针对传统链路预测只利用节点和网络的结构信息,忽略了社交网络上关系形成的原因,... 

【文章来源】：江苏大学江苏省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

链路

3.1.2 社交网络建模 1. 经典的拓扑模型 针对上小节讨论的社交网络特性，人们一般采用结构建模的方法来研究产生这些特性的演化机制。通过对这些模型进行分析研究，有助于对社交网络形成过程和内在本质特征的理解。 (1) 规则网络：规则网络是一种最基本的网络，表示网络中各个节点地位是一致的， 任意两个节点间按照一定规则产生连接。最典型的规则网络包括最近邻环网络，全局耦合网络。如图 3.1 所示：

社交网络中基于链路预测的推荐系统研究20选择一对没有连边的节点对；2）生成一个随机数r(0,1)；3）如果r<P，则节点对间产生一条新边；4）重复1）—3）直到所有节点都被遍历过一次。演变过程如图3.2。图3.2随机网络演化图(4)小世界网络：Watts等[50]人研究发现大多数真实网络不同于规则网络和随机网，具有平均距离短和聚集系数大的特点，1998年在《Nature》杂志上首次提出了小世界模型—Watts-Strogatz模型。在该网络模型中，大多数节点可以通过少数几个中间节点与其它节点相连。其构建方法如下：1)首先，构建一个具有n个节点的环形网络，每个节点都与其相邻的K个节点相连；2)其次，以概率P重新连接每条边，P的取值范围为0到1。其演变过程如图3.3：图3.3小世界网络演化图(5)无标度网络：根据小世界理论，即便大规模网络通常也具有较小的直径。R.Alert等[51]人的研究也证实万维网的直径确实非常校另外，还发现web网页之间的连接不符合随机图模型的预测，每个网页的入度分布不均匀，服从幂律分布，并提出了一个新的模型来解释这种特性的内在机理——BA无标度网络。其构建过程分为如下两步：1)初始化过程：建立一个具有0m个节点和0条边的网络，新加入节点与网络中已有的m个节点相连，并且0m<m；2)连接阶段：新加入节点以概率iP决定与哪些节点相连，iP与节点的度ik成正比，加入t个新节点之后，网络中将有mt条边。BA无标度的度分布往往服从幂律分布。图3.4显示了其演化过程。

【参考文献】：
期刊论文
[1]Combining Topological Properties and Strong Ties for Link Prediction[J]. Fulan Qian,Yang Gao,Shu Zhao,Jie Tang,Yanping Zhang.  Tsinghua Science and Technology. 2017(06)
[2]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋.  软件学报. 2015(06)
[3]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[4]基于社交圈的在线社交网络朋友推荐算法[J]. 王玙,高琳.  计算机学报. 2014(04)

硕士论文
[1]基于标签传播的实时社区发现算法研究[D]. 信楠.浙江大学 2013



本文编号：3432847