社會網(wǎng)絡上的用戶屬性推測方法研究.pdf

1、在線社交網(wǎng)站是web2.0時代的標志性產物，它改變了人們的生活方式，數(shù)以千萬的用戶在社交網(wǎng)站上聯(lián)絡好友、分享動態(tài)、參與活動。社交網(wǎng)站提供基本資料頁面供注冊用戶填寫，如性別、生日、地理位置、教育背景、興趣愛好等等，然而現(xiàn)實卻是，社交網(wǎng)站的用戶資料存在著嚴重的不完整、不準確問題。
　　本文研究社交網(wǎng)絡中的用戶屬性推測方法，主要貢獻包括以下三點：
　　第一，傳統(tǒng)關系型數(shù)據(jù)分類方法是基于不同的應用場景提出的，本文詳盡考察了相關的經(jīng)典

2、算法，并在真實社交網(wǎng)絡用戶屬性數(shù)據(jù)集上進行橫向對比實驗，對照實驗結果對經(jīng)典算法的優(yōu)劣展開討論。
　　第二，本文結合社會學中“強關系”和“弱關系”的劃分，分析了利用同質性進行屬性推測的本質，提出了“同質邊”與“異質邊”的概念，指出“異質邊”是影響屬性推測的噪音。隨后本文引入擴展的歐式距離，提出一種自學習的邊的同質性度量，使用該度量采取簡單的刪邊降噪手段，實驗證明了結合該自學習度量的降噪手段的有效性。該部分研究展示了尋求有效的數(shù)據(jù)預處

3、理手段，可以在一定程度上提高屬性推測的準確率。
　　第三，本文提出一種新的用戶屬性推測方法——跳數(shù)限制的近鄰算法（HopsLimited Relational Neighbor），它主要針對經(jīng)典算法LI（LocalIterative）的不穩(wěn)定問題，一個重要缺陷是迭代輪數(shù)增加時，準確率先上升后下降。通過在LI算法框架下，重新設計鄰居節(jié)點的投票過程，加入更加細致的標簽傳播控制、標簽傳播距離限制和膨脹操作，在準確率可比的前提下，大幅度提