隨著信息技術(shù)的發(fā)展,在線社交網(wǎng)絡(luò)已變得越來越流行,社交網(wǎng)絡(luò)成為了一種人與人之間進(jìn)行交互的新方式。人們在使用社交網(wǎng)絡(luò)的過程中產(chǎn)生了海量的數(shù)據(jù),如何從社交網(wǎng)絡(luò)數(shù)據(jù)中分析與挖掘潛在的用戶關(guān)系進(jìn)而輔助商業(yè)決策成為了研究熱點(diǎn)。鏈路預(yù)測作為一種用來發(fā)現(xiàn)用戶之間潛在關(guān)系的社交網(wǎng)絡(luò)分析技術(shù),在近些年來獲得了大量的關(guān)注。社交網(wǎng)絡(luò)鏈路預(yù)測通過利用當(dāng)前社交網(wǎng)絡(luò)中的數(shù)據(jù)信息來預(yù)測用戶之間將來可能產(chǎn)生的鏈接關(guān)系,對社交網(wǎng)絡(luò)分析起到了重要作用。目前主流的社交網(wǎng)絡(luò)鏈路預(yù)測方法可分為基于用戶之間相似度計算的非監(jiān)督式鏈路預(yù)測方法,以及基于機(jī)器學(xué)習(xí)的監(jiān)督式鏈路預(yù)測方法。這些方法中可能存在以下缺陷:沒有充分利用到用戶基本屬性信息、需要額外的缺失數(shù)據(jù)處理過程,以及模型缺乏較好的可解釋性。針對現(xiàn)有鏈路預(yù)測算法中存在的缺陷,本文提出一種基于貝葉斯網(wǎng)絡(luò)的監(jiān)督式社交網(wǎng)絡(luò)鏈路預(yù)測算法。根據(jù)用戶之間在基礎(chǔ)屬性信息以及關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)上的相似程度,從社交網(wǎng)絡(luò)數(shù)據(jù)中提取出用戶之間的用戶屬性“相似性”特征,以及網(wǎng)絡(luò)結(jié)構(gòu)“相似性”特征。貝葉斯網(wǎng)絡(luò)作為一種概率圖模型,能夠充分學(xué)習(xí)出變量之間的相互關(guān)系。本文利用貝葉斯網(wǎng)絡(luò)來學(xué)習(xí)用戶屬性與網(wǎng)絡(luò)結(jié)構(gòu)的眾多“... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

AUC與精確率計算相關(guān)示例圖

S niiiPxPXPa1( )(|)，貝葉斯網(wǎng)絡(luò)中所有n個變量的任何實(shí)例化的聯(lián)合概率分布都可以分布的乘積而得到。通過計算由網(wǎng)絡(luò)中n個變量的每個可能實(shí)例產(chǎn)，可以得到整個網(wǎng)絡(luò)的概率分布。.2 中(a)顯示了貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的一個樣例S1B ，網(wǎng)絡(luò)中包含三個變箭頭表示這兩個變量之間存在概率依賴關(guān)系。同樣，從2X 到3X 的也存在概率依賴關(guān)系。從1X 到3X 之間不存在箭頭意味著1X 到3X 概率依賴關(guān)系。具體來說，假定2X 的值是已知的，則3X 取值的概1X 的值。圖 2.2 中(b)顯示了表示三個變量之間不同依賴關(guān)系的另構(gòu)，在1X 的值已知的條件下，2X 與3X 之間是相互獨(dú)立的。表示關(guān)系是貝葉斯置信網(wǎng)絡(luò)的基本功能。

關(guān)系及其概率分布，因而可以利用貝葉斯網(wǎng)絡(luò)來做相關(guān)概率性查詢。例如，當(dāng)觀察到其他變量值時，網(wǎng)絡(luò)可用于根據(jù)變量子集狀態(tài)得到其他狀態(tài)的概率值。由于網(wǎng)絡(luò)模型并沒有直接包含這些概率值，因而需要進(jìn)行計算與推導(dǎo)。根據(jù)貝葉斯網(wǎng)絡(luò)模型來計算目標(biāo)概率被稱為貝葉斯概率推導(dǎo)[34]。以圖 2.3 為例，圖 2.3 為用于欺詐檢測的貝葉斯網(wǎng)絡(luò)，圖中節(jié)點(diǎn)分別為各個影響元素，圖中的邊表示因果關(guān)系。根據(jù)圖中的網(wǎng)絡(luò)結(jié)構(gòu)，可以得知如下條件獨(dú)立關(guān)系：(|,,,)(|,,)(|,,)(|)(|,,)(|)(|,)()(|)()PjfasgPjfasPjfasPgfPgfasPgfPsfaPsPafPa 對于給定其他變量觀測值的情況下，產(chǎn)生欺詐的概率計算方式為： '(,,,,)(,,,,)(,,,)(,,,,)(|,,,)'fPfasgjPfasgjPasgjPfasgjPfasgj(2-41)

【參考文獻(xiàn)】：
期刊論文
[1]基于網(wǎng)絡(luò)表示學(xué)習(xí)與隨機(jī)游走的鏈路預(yù)測算法[J]. 劉思,劉海,陳啟買,賀超波.  計算機(jī)應(yīng)用. 2017(08)
[2]MapReduce環(huán)境下的并行復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J]. 饒君,吳斌,東昱曉.  軟件學(xué)報. 2012(12)
[3]無標(biāo)度網(wǎng)絡(luò)中的鏈路預(yù)測問題研究[J]. 王林,商超.  計算機(jī)工程. 2012(03)
[4]利用鏈路預(yù)測推斷網(wǎng)絡(luò)演化機(jī)制[J]. 劉宏鯤,呂琳媛,周濤.  中國科學(xué):物理學(xué) 力學(xué) 天文學(xué). 2011(07)
[5]EM算法研究與應(yīng)用[J]. 王愛平,張功營,劉方.  計算機(jī)技術(shù)與發(fā)展. 2009(09)
[6]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的發(fā)展與展望[J]. 賀煒,潘泉,張洪才.  信息與控制. 2004(02)
[7]用于數(shù)據(jù)挖掘的貝葉斯網(wǎng)絡(luò)[J]. 慕春棣,tsinghua.edu.cn,戴劍彬,葉俊.  軟件學(xué)報. 2000(05)



本文編號：2959739