社會網(wǎng)絡(luò)中的鏈接分析與預(yù)測研究.pdf

1、隨著Web2.0的發(fā)展,Twitter、FaceBook等基于社區(qū)的社會網(wǎng)絡(luò)服務(wù)得到了廣泛的普及,網(wǎng)絡(luò)用戶的數(shù)量也取得了快速的增長。與此同時,網(wǎng)絡(luò)的鏈接關(guān)系也漸趨復(fù)雜化,鏈接挖掘成為了一個研究熱點。尤其是鏈接挖掘的一個重要分支——鏈接預(yù)測的重要性也日益凸顯。在網(wǎng)絡(luò)社區(qū)中用戶拓展社交圈、尋找興趣話題等多種活動都需要鏈接預(yù)測技術(shù)的支持。但現(xiàn)有的社會網(wǎng)絡(luò)鏈接預(yù)測方法存在著很多問題,例如對節(jié)點屬性信息和網(wǎng)絡(luò)拓?fù)湫畔㈦y以綜合考慮,預(yù)測結(jié)果的準(zhǔn)確度

2、也亟待提高。針對這一問題,本文提出了基于用戶屬性特征和基于網(wǎng)絡(luò)拓?fù)涮卣鞯膬煞N社會網(wǎng)絡(luò)鏈接預(yù)測方法,并通過監(jiān)督學(xué)習(xí)框架,把這兩種方法組成聯(lián)合預(yù)測模型,力圖達(dá)到綜合考慮社會網(wǎng)絡(luò)的多重信息,進而提高鏈接預(yù)測準(zhǔn)確度的目的。本文的具體工作主要包括以下幾方面:
　　首先,本文對現(xiàn)有的社會網(wǎng)絡(luò)鏈接預(yù)測方法進行了分析,總結(jié)了各方法的優(yōu)缺點,找出了現(xiàn)存鏈接預(yù)測模型的局限性。
　　其次,針對現(xiàn)有算法缺乏對用戶屬性信息語義關(guān)系的挖掘的問題,提出了

3、基于用戶屬性特征的社會網(wǎng)絡(luò)鏈接預(yù)測方法。該方法引入了LDA模型來對用戶興趣信息進行建模,提取用戶興趣特征,并將該特征輸入分類器,通過訓(xùn)練分類器,得到鏈接預(yù)測結(jié)果。
　　然后,分析了網(wǎng)絡(luò)拓?fù)湫畔︽溄宇A(yù)測準(zhǔn)確度的貢獻(xiàn),提出了基于網(wǎng)絡(luò)拓?fù)涮卣鞯纳鐣W(wǎng)絡(luò)鏈接預(yù)測方法。該方法首次引入了物理網(wǎng)絡(luò)中的PropFlow算法來提取社會網(wǎng)絡(luò)拓?fù)湫畔⑻卣?并將該特征輸入分類器,通過訓(xùn)練分類器,得到鏈接預(yù)測的準(zhǔn)確度。
　　另外,還在上述兩種社會網(wǎng)

4、絡(luò)鏈接預(yù)測方法基礎(chǔ)上提出了一種綜合的社會網(wǎng)絡(luò)聯(lián)合預(yù)測方法。該方法通過構(gòu)造分類器,利用監(jiān)督學(xué)習(xí)框架,將上述兩種方法提取的用戶興趣主題特征和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征同時輸入分類器,構(gòu)造聯(lián)合預(yù)測模型。將鏈接預(yù)測問題轉(zhuǎn)化為分類問題,通過訓(xùn)練分類器,進而得到鏈接預(yù)測的準(zhǔn)確度。
　　最后,設(shè)計和實現(xiàn)了實驗,驗證了上述提出方法的正確性和可行性。實驗中采用了由北京理工大學(xué)網(wǎng)絡(luò)搜索挖掘與安全實驗室發(fā)布的NLPIR微博語料庫作為實驗數(shù)據(jù)。將本文所提出的方法與