基于信息轉移的社交網絡優(yōu)化.pdf

1、近年來，社交網絡快速發(fā)展，網絡平臺的信息分享，互動給人們的交流帶來了巨大的便利，用戶只要通過“關注”這一行為，就可以獲取到所有自己感興趣的用戶所發(fā)布的信息。但是隨著關注人數的增加，這種復雜的網絡關系給用戶帶來巨大的信息量，導致有用的信息被淹沒，人們無法從海量的信息中找出自己的需求信息，產生嚴重的信息過載現象。
　　傳統(tǒng)的解決信息過載的方法是個性化推薦，根據每個用戶的興趣推薦相應的新用戶，但是，當關注用戶量增長到一定數量時，有些用戶

2、不再會添加新的用戶。此時，基于原本網絡的結構優(yōu)化也因此成為解決信息過載的有效方式。本文提出針對每個用戶自身行為的特點，找到與其微博行為變化密切相關的用戶群，去除現有結構中不必要的關注關系，既考慮了用戶的興趣，又避免了網絡結構更加復雜，是一種解決用戶信息過載既高效又實用的手段。
　　本文獲取了新浪微博2013年2589名用戶的微博數據信息。采用信息理論的方法，將用戶的微博數據轉化到概率空間，以轉移熵評價關鍵性用戶，使用互信息衡量用戶

3、獲得的信息量，在信息量損失較小的條件下，剔除一定范圍內的冗余用戶，優(yōu)化了社交網絡結構。本文主要工作與貢獻如下:(1)對微博數據集中用戶信息進行處理，分析數據集，分析發(fā)現:與用戶有互動行為的用戶主要集中在一小部分用戶當中，其余很大一部分的被關注者，用戶并沒有特別的關注行為產生;(2)符號轉移熵能很好的體現兩個用戶之間的因果關系，判斷信息流動的方向;(3)引入基于轉移熵判定信息流向的理論，將其應用于互相關注的用戶之間，實驗表明，一個用戶與其