基于信任和相似標簽的鏈接預測算法.pdf

1、社交網(wǎng)絡中的鏈接預測屬于數(shù)據(jù)挖掘的一個研究方向,社交網(wǎng)絡是由社會實體與他們之間關(guān)系組成的。鏈接預測的目的是從這種顯式的關(guān)系中找出那些隱藏的關(guān)系。傳統(tǒng)的數(shù)據(jù)挖掘通常是在實體屬性信息的基礎(chǔ)上進行的,而鏈接預測是從實體關(guān)系這個角度出發(fā),對這些關(guān)系進行挖掘。鏈接預測的應用非常廣泛,在社會學領(lǐng)域中,它可以對社會演變過程進行分析研究;在電子信息領(lǐng)域中,鏈接預測可以用來創(chuàng)建各種推薦系統(tǒng);在生物信息領(lǐng)域中,鏈接預測可以用來分析蛋白質(zhì)之間的相互作用。因此

2、,對社會網(wǎng)絡中的鏈接預測進行研究具有非常重要的價值。目前,大多數(shù)的鏈接預測算法是從以下兩個角度進行研究:一、相似性角度,即利用實體間的相似度進行鏈接預測,這些相似度函數(shù)大多是通過社交網(wǎng)絡的拓撲信息進行設計的。但是,現(xiàn)有的鏈接預測算法并沒有充分的應用這些網(wǎng)絡拓撲信息,如共同鄰居算法(Common Neighbor),它僅僅利用了實體之間共同鄰居的個數(shù)作為相似度指標,而忽略了這些鄰居間的相互關(guān)系;二、信任角度,它利用了社交網(wǎng)絡中實體之間的拓

3、撲信息和屬性信息進行鏈接預測,但是,在信任度的計算過程中,這些算法總是平等的對待社交網(wǎng)絡中的每一個實體,而且一些信任計算方法具有一定的主觀性,如TidalTrust算法,它在計算信任度之前需要用戶對他們的直接鄰居進行評分。另外,在二進制信任網(wǎng)絡中,信任度只有兩種值(0表示不信任,1表示信任),從而不能夠真實的反映實體間的關(guān)系。
　　本研究主要內(nèi)容包括：⑴針對大多相似性算法沒有充分考慮網(wǎng)絡拓撲信息,本文設計了一個相似度計算方法,它考

4、慮了網(wǎng)絡節(jié)點間的屬性關(guān)系,而且在計算方法中引入余弦相似方法,使在考慮網(wǎng)絡節(jié)點屬性關(guān)系的同時,不會忽略屬性間實際的文本相似度。⑵針對大多信任度計算方法總是平等的對待網(wǎng)絡中所有的節(jié)點,而忽略了各網(wǎng)絡節(jié)點自身的特性,以及一些信任度計算方法具有一定主觀性等不足,提出了一個新的信任度計算方法,它以節(jié)點間的交互次數(shù)作為節(jié)點間的信任權(quán)重,這能更好的反映網(wǎng)絡中的節(jié)點關(guān)系。⑶提出一種基于信任和相似標簽的鏈接預測算法(TAST),大多的鏈接預測算法只對具有