基于图神经网络的用户属性信息推断方法

发布时间：2021-05-26 12:03

　　近年来随着互联网、移动互联网的普及,微博、微信、QQ等社交网络平台迅速兴起并得到高速发展。这些网络社交平台为人们提供了方便有效的沟通渠道,逐渐成为人们日常生活、工作中不可或缺的一部分,也同时拥有了大量的用户群体。这些用户在社交平台上会产生包括用户属性信息、用户社交信息等大量网络数据,其中用户属性信息包括用户性别、年龄、地域等具体信息,这些信息能够帮助平台管理者更好的服务用户和运营管理。然而,一些用户处于隐私保护的原因,用户属性信息往往存在着缺失或者不完整的情况,这会影响平台管理者开展相关工作。研究人员为了解决这一问题,开始着手研究社交网络中的用户属性推断问题。但是目前的研究方法主要是根据节点属性信息或根据局部网络结构来解决属性推断问题,并没有考虑到复杂网络中深层拓扑信息对用户属性信息推断的影响。本课题在大型微博社交网络数据上进行社交网络中用户属性信息推断方法的研究。首先,使用了几种图嵌入模型捕捉社交网络中节点的结构对等性和结构同质性,并使用了不同的相似性计算方法计算图嵌入后邻居节点之间的相似性,采用邻居加权的方法解决用户属性推断问题。然后,本文使用了图卷积神经网络对社交网络数据中的深层... 

【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】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 研究现状及待解决问题
        1.2.1 国内外研究现状
        1.2.2 待解决问题
    1.3 本文的主要研究内容
    1.4 组织结构
    1.5 属性推断的评价指标
第2章 基于邻居加权投票的用户属性推断方法
    2.1 实验数据集
        2.1.1 新浪微博数据集的抽取
        2.1.2 腾讯微博数据集的抽取
        2.1.3 属性推断
    2.2 基于相似性的加权投票实验
        2.2.1 相似性计算方法
        2.2.2 基于随机游走的图嵌入算法
        2.2.3 基于节点相似度的图嵌入算法
    2.3 实验结果
        2.3.1 分别使用三种图嵌入向量相似性投票的实验结果
        2.3.2 性别属性推断实验结果
        2.3.3 地域属性推断实验结果
        2.3.4 实验结果分析
    2.4 本章小结
第3章 基于图卷积神经网络的用户属性推断方法
    3.1 引言
    3.2 基于图卷积神经网络的用户属性推断方法
    3.3 增加图嵌入信息特征的图卷积神经网络
        3.3.1 使用Deep Walk图嵌入向量作为补充向量
        3.3.2 使用Node2vec图嵌入向量作为补充向量
        3.3.3 使用LINE图嵌入向量作为补充向量
    3.4 实验结果与分析
    3.5 本章小结
第4章 基于图注意力网络的用户属性推断方法
    4.1 引言
    4.2 注意力机制介绍
    4.3 基于图注意力网络的用户属性推断方法
    4.4 实验结果与分析
    4.5 本章小结
结论
参考文献
致谢


【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]社会网络应用研究综述[J]. 张奥琳.  市场周刊. 2019(02)
[3]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)
[4]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)
[5]社交平台的信息影响力——以新浪微博为例[J]. 陈肇珅.  电视指南. 2017(13)
[6]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)
[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]用户属性信息推断方法的研究[D]. 雷雨.哈尔滨工业大学 2019
[2]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：3206347