用户行为驱动的社交网络演化分析

发布时间：2017-05-01 00:01

  本文关键词：用户行为驱动的社交网络演化分析，，由笔耕文化传播整理发布。

【摘要】：在线社交网络已经融入到了人们的生活当中,其蕴含的重大价值在学术界和工业界都备受关注。基于社交网络的许多上层应用都依赖于对网络结构的精准分析,而网络的结构随着时间不断演变。因此,分析网络演化过程、挖掘网络演化规律、预测网络演化趋势是非常重要的基础性课题。与传统的复杂网络不同,社交网络的主体是人,社交网络的演化是人的主观行为的结果,对社交网络的研究离不开对人的行为的研究。本文以社交网络中的用户行为建模为基础,围绕社交网络的演化过程推断和演化趋势预测展开研究,主要成果和创新点包括:1.针对社交链接产生方向推断问题,从真实数据中总结了四个一般性的交友行为方向模式,提出了以降低模式背离度为目标的Re Direct优化框架,以及基于Re Direct的链接方向推断算法。Re Direct可以作为一个通用的预处理步骤,通过恢复社交网络链接的潜在方向,改善其他社交网络分析应用。2.针对社交网络演化过程推断问题,提出了用以表达社交网络演化过程的潜在朋友关系传递树La FT-Tree,设计了交友行为生成模型La FT-LDA,以及基于La FT-LDA模型级联推断的La FT-Tree推断算法。La FT-Tree将扁平的网络结构层次化,直观展示了用户以其现有朋友为中介人扩张其社交网络的过程。3.针对社交网络链接预测问题,提出了基于传递性原理的、兴趣感知的交友行为生成模型LFPM,构造了同时体现历史演化轨迹和潜在演化趋势的LFPN,进而提出基于LFPN的链接预测算法LFPN-RW,刻画了全体朋友对用户行为的协同影响和协同推介,克服了行为模型中独立性假设的弊端,提高了预测能力。4.考虑到用户的兴趣爱好及其所处的社交环境都在持续变化,针对离散时域上行为建模方法的不足,进一步提出了连续时间域上的基于个人偏好和社交影响的用户动态行为生成模型Con Tyor,利用动态偏好空间DP-Space来刻画行为影响因子的动态变化;提出了用于模型推断的EMO算法,可直接对于完整的历史行为数据进行推断,提高了模型对历史行为的解释能力和对未来行为的预测能力。5.在各项理论研究成果的基础上,实现了一款用于社交网络演化分析的原型系统La NES,提供网络演化过程推断、网络结构分析以及网络演化预测功能,为用户、研究者、运营商提供良好的分析平台。
【关键词】：社交网络演化分析 用户行为建模 链接产生方向推断 网络演化过程推断 社交链接预测
【学位授予单位】：清华大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要3-4
• Abstract4-11
• 第1章 绪论11-27
• 1.1 研究背景11-12
• 1.2 研究意义12-13
• 1.2.1 理论研究意义12
• 1.2.2 应用研究价值12-13
• 1.3 本文的研究问题13-17
• 1.3.1 社交网络中的用户行为建模15-16
• 1.3.2 用户行为驱动的社交网络演化推断16-17
• 1.3.3 用户行为驱动的社交网络演化预测17
• 1.4 国内外研究现状17-23
• 1.4.1 社交网络的演化机制与规律研究18-19
• 1.4.2 社交网络的演化预测方法19-21
• 1.4.3 社交链接的属性研究21-22
• 1.4.4 社交网络中的用户行为建模22-23
• 1.5 本文的主要内容23-26
• 1.6 本文的组织结构26-27
• 第2章 社交链接产生方向推断27-57
• 2.1 引言27-29
• 2.2 真实有向网络中的方向模式29-35
• 2.2.1 地位模式30-31
• 2.2.2 传递模式31-32
• 2.2.3 趋同模式32-34
• 2.2.4 效仿模式34-35
• 2.3 无监督的链接产生方向推断方法35-44
• 2.3.1 方向模式背离度35-37
• 2.3.2 Re Direct优化框架37-38
• 2.3.3 基于Re Direct的推断算法38-44
• 2.4 有监督的链接方向推断方法44-46
• 2.4.1 半监督的推断方法44-45
• 2.4.2 自监督的推断方法45-46
• 2.5 实验评测46-51
• 2.5.1 实验数据46-47
• 2.5.2 评测算法47
• 2.5.3 方向推断正确率对比47-49
• 2.5.4 各个模式约束的效果分析49
• 2.5.5 监督学习的效果分析49-51
• 2.6 在链接预测中的应用与实验评测51-55
• 2.6.1 社交链接预测51-52
• 2.6.2 在真实有向网络数据集上的实验结果52-54
• 2.6.3 在真实无向网络数据集上的实验结果54-55
• 2.7 小结55-57
• 第3章 社交网络演化过程推断57-83
• 3.1 引言57-58
• 3.2 链接产生原因推断方法58-66
• 3.2.1 交友行为的产生过程59-60
• 3.2.2 交友行为生成模型La FT-LDA60-62
• 3.2.3 La FT-LDA模型的推断算法62-66
• 3.3 网络演化过程的表达与推断方法66-72
• 3.3.1 潜在朋友关系传递树La FT-Tree66-69
• 3.3.2 La FT-Tree的推断算法69-72
• 3.4 实验评测72-77
• 3.4.1 合成数据集72-73
• 3.4.2 真实数据集73
• 3.4.3 基准方法73-74
• 3.4.4 合成数据集上的实验结果74-75
• 3.4.5 真实数据集上的实验结果75-77
• 3.4.6 实例分析77
• 3.5 La FT-Tree的应用77-82
• 3.5.1 La FT近似度77-79
• 3.5.2 La FT模式79-81
• 3.5.3 La FT中心度度量族81-82
• 3.6 小结82-83
• 第4章 基于用户行为的社交链接预测83-109
• 4.1 引言83-85
• 4.2 兴趣感知的交友行为模型及其推断算法85-92
• 4.2.1 兴趣感知的LFPM模型85-89
• 4.2.2 LFPM模型的推断算法89-91
• 4.2.3 演化网络上LFPM模型的级联推断91-92
• 4.3 潜在朋友关系传播网络LFPN92-95
• 4.4 基于LFPN的社交链接预测算法95-99
• 4.5 实验评测99-108
• 4.5.1 实验数据集99
• 4.5.2 基准算法与评测方法99-101
• 4.5.3 预测性能比较101-103
• 4.5.4 知识累积的效果分析103-105
• 4.5.5 协同影响的效果分析105-106
• 4.5.6 兴趣感知的效果分析106-107
• 4.5.7 收敛速度分析107-108
• 4.6 小结108-109
• 第5章 连续时间域上的用户行为建模与预测109-141
• 5.1 引言109-111
• 5.2 动态建模的意义111-114
• 5.3 连续时域上的行为模型及其推断算法114-124
• 5.3.1 动态偏好空间115-116
• 5.3.2 动态行为生成模型Con Tyor116-121
• 5.3.3 DPS函数的实现121-122
• 5.3.4 Con Tyor模型的推断算法122-124
• 5.4 动态行为预测方法124-125
• 5.5 Con Tyor模型的应用场景125-126
• 5.6 实验分析与评测126-140
• 5.6.1 基准方法126-127
• 5.6.2 实验数据集127-128
• 5.6.3 评测方法128-129
• 5.6.4 偏好推断实验结果129-130
• 5.6.5 行为预测实验结果130-133
• 5.6.6 DPS函数分析133-135
• 5.6.7 动态建模效果分析135-137
• 5.6.8 效率分析137-138
• 5.6.9 参数分析138-139
• 5.6.10 实例分析139-140
• 5.7 小结140-141
• 第6章 社交网络演化分析原型系统141-155
• 6.1 系统简介141-142
• 6.2 体系结构与技术原理142-146
• 6.2.1 数据管理层143
• 6.2.2 演化推断层143-144
• 6.2.3 结构分析层144-145
• 6.2.4 演化预测层145-146
• 6.2.5 交互展现层146
• 6.3 功能展示146-154
• 6.3.1 网络演化过程分析147-149
• 6.3.2 网络静态结构分析149-151
• 6.3.3 网络演化趋势预测151-154
• 6.4 小结154-155
• 第7章 总结与展望155-158
• 7.1 本文工作总结155-156
• 7.2 未来工作展望156-158
• 参考文献158-166
• 致谢166-168
• 个人简历、在学期间发表的学术论文与研究成果168-170

【相似文献】

中国期刊全文数据库 前10条

1 ;基于位置的手机社交网络“贝多”正式发布[J];中国新通信;2008年06期

2 曹增辉;;社交网络更偏向于用户工具[J];信息网络;2009年11期

3 ;美国:印刷企业青睐社交网络营销新方式[J];中国包装工业;2010年Z1期

4 李智惠;柳承烨;;韩国移动社交网络服务的类型分析与促进方案[J];现代传播(中国传媒大学学报);2010年08期

5 贾富;;改变一切的社交网络[J];互联网天地;2011年04期

6 谭拯;;社交网络:连接与发现[J];广东通信技术;2011年07期

7 陈一舟;;社交网络的发展趋势[J];传媒;2011年12期

8 殷乐;;全球社交网络新态势及文化影响[J];新闻与写作;2012年01期

9 许丽;;社交网络:孤独年代的集体狂欢[J];上海信息化;2012年09期

10 李玲丽;吴新年;;科研社交网络的发展现状及趋势分析[J];图书馆学研究;2013年01期

中国重要会议论文全文数据库 前10条

1 赵云龙;李艳兵;;社交网络用户的人格预测与关系强度研究[A];第七届（2012）中国管理学年会商务智能分会场论文集（选编）[C];2012年

2 宫广宇;李开军;;对社交网络中信息传播的分析和思考——以人人网为例[A];首届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2010年

3 杨子鹏;乔丽娟;王梦思;杨雪迎;孟子冰;张禹;;社交网络与大学生焦虑缓解[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 毕雪梅;;体育虚拟社区中的体育社交网络解析[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

5 杜p

本文编号：337811