本文關(guān)鍵詞：社會(huì)網(wǎng)絡(luò)用戶關(guān)系分析與預(yù)測，，由筆耕文化傳播整理發(fā)布。

【摘要】：在線社交網(wǎng)絡(luò)已經(jīng)成人們工作生活中不可或缺的一部分,人們每天社交活動(dòng)所產(chǎn)生的海量數(shù)據(jù)蘊(yùn)含了大量的個(gè)人信息。社交網(wǎng)絡(luò)分析包括用戶關(guān)系預(yù)測、社團(tuán)發(fā)現(xiàn)、社會(huì)影響力分析、社交信息傳播等,是當(dāng)前的重要研究方向,部分研究結(jié)果已經(jīng)應(yīng)用在疾病傳播控制、犯罪偵查、產(chǎn)品推廣等領(lǐng)域。用戶關(guān)系是社交網(wǎng)絡(luò)形成和發(fā)展最基本的組成部分,也是用戶信息分享和交互的基本通道,是社交網(wǎng)絡(luò)分析的重要依據(jù)。社交網(wǎng)絡(luò)用戶關(guān)系分析是指根據(jù)已有的部分社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)、用戶屬性和行為等信息,分析用戶之間的親密程度并預(yù)測用戶之間是否存在關(guān)系,是社交網(wǎng)絡(luò)分析的一個(gè)基本問題�，F(xiàn)有的社交網(wǎng)絡(luò)用戶關(guān)系分析方法主要是依據(jù)社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),預(yù)測好友關(guān)系,如基于好友關(guān)系和路徑的分析方法,主要依據(jù)社會(huì)學(xué)觀點(diǎn)：兩個(gè)用戶之間的共同好友越多或連接路徑越短,則意味著他們成為好友的概率越高,提出了基于共同好友和連接路徑的用戶關(guān)系分析方法。有的工作還借助用戶屬性信息進(jìn)行用戶關(guān)系分析和預(yù)測,或是將拓?fù)浣Y(jié)構(gòu)和用戶屬性進(jìn)行結(jié)合分析用戶關(guān)系,以解決用戶屬性信息不能完全真實(shí)可靠的問題。整體上,現(xiàn)有工作主要存在三個(gè)方面的不足：沒有考慮社交行為對用戶關(guān)系的動(dòng)態(tài)影響；缺乏用戶關(guān)系的個(gè)性化需求分析及對關(guān)系預(yù)測的影響；僅針對社交網(wǎng)絡(luò)的直觀可見的數(shù)據(jù)進(jìn)行分析,缺乏對于影響用戶社交關(guān)系的隱含因素的深度分析。針對這些問題,本文將整合社交網(wǎng)絡(luò)中拓?fù)浣Y(jié)構(gòu)、屬性及行為等多模態(tài)數(shù)據(jù),以提高用戶關(guān)系預(yù)測的準(zhǔn)確性,本文主要貢獻(xiàn)如下：針對復(fù)雜社交行為建模與特征提取問題,本文提出了潛在因素這一概念用來衡量用戶社交意圖和社會(huì)行為之間的內(nèi)在聯(lián)系。通過對潛在因素的提取和分析,給出了基于用戶行為的用戶關(guān)系度量方法。提出了基于用戶交友偏好的屬性建模方法。通過分析用戶已知好友的屬性取值,得出個(gè)性化交友偏好,本文對用戶的每個(gè)屬性取值進(jìn)行個(gè)性化分析,提出了基于比例和信息熵的屬性重要度計(jì)算方法,同時(shí)考慮雙方共同的交友意愿,給出了基于屬性的用戶關(guān)系度量方法。針對用戶關(guān)系度量方法的融合問題,提出了松散融合和緊密融合兩種方式將不同的用戶關(guān)系度量方法進(jìn)行融合,松散融合是將每種度量方法看作是相互獨(dú)立的,將他們賦予不同的權(quán)值進(jìn)行直接的融合,而緊密融合是將屬性或者行為度量標(biāo)準(zhǔn)融合到已有的網(wǎng)絡(luò)結(jié)構(gòu)度量標(biāo)準(zhǔn)之中。最后在兩個(gè)真實(shí)的社交網(wǎng)絡(luò)數(shù)據(jù)集中進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示我們的方法準(zhǔn)確率要高于以往的用戶關(guān)系預(yù)測方法。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 行為分析 關(guān)系度量 融合
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09
【目錄】：

• 摘要8-10
• ABSTRACT10-12
• 第一章 緒論12-16
• 1.1 研究背景12-13
• 1.2 問題描述13-14
• 1.3 本文工作14-15
• 1.4 論文結(jié)構(gòu)15-16
• 第二章 相關(guān)工作16-21
• 2.1 基于網(wǎng)絡(luò)結(jié)構(gòu)的用戶關(guān)系分析16-19
• 2.1.1 基于共同好友的關(guān)系分析16-17
• 2.1.2 基于路徑的關(guān)系分析17-19
• 2.2 基于屬性的用戶關(guān)系分析19-20
• 2.3 社交行為建模20
• 2.4 本章小結(jié)20-21
• 第三章 社交網(wǎng)絡(luò)用戶屬性建模與用戶關(guān)系度量21-25
• 3.1 屬性分析與建模21-23
• 3.1.1 基于屬性的用戶偏好分析21-23
• 3.2 基于屬性的用戶關(guān)系度量23-24
• 3.3 本章小結(jié)24-25
• 第四章 社交網(wǎng)絡(luò)用戶行為建模與用戶關(guān)系度量25-30
• 4.1 行為分析與建模25-28
• 4.1.1 信息發(fā)布行為分析26-27
• 4.1.2 用戶潛在因素提取27-28
• 4.2 基于行為的用戶關(guān)系度量28-29
• 4.3 本章小結(jié)29-30
• 第五章 用戶關(guān)系度量方法融合30-36
• 5.1 用戶關(guān)系分析模型30-32
• 5.2 松散融合的方法32-33
• 5.3 緊密融合的方法33-35
• 5.3.1 結(jié)合共同好友的度量標(biāo)準(zhǔn)33-34
• 5.3.2 結(jié)合路徑的度量標(biāo)準(zhǔn)34-35
• 5.3.3 結(jié)合隨機(jī)游走的度量標(biāo)準(zhǔn)35
• 5.4 本章小結(jié)35-36
• 第六章 實(shí)驗(yàn)和結(jié)果分析36-44
• 6.1 數(shù)據(jù)集分析36
• 6.2 數(shù)據(jù)集預(yù)處理36-37
• 6.3 實(shí)驗(yàn)結(jié)果37-44
• 6.3.1 基于屬性的度量方法比較37-42
• 6.3.2 基于行為的度量方法比較42-44
• 第七章 總結(jié)與展望44-45
• 7.1 本文總結(jié)44
• 7.2 未來展望44-45
• 參考文獻(xiàn)45-49
• 致謝49-50
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄50-51
• 攻讀學(xué)位期間參與的科研項(xiàng)目及獲獎(jiǎng)情況51-52
• 學(xué)位論文評閱及答辯情況表52

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2013年02期

2 王s

本文編號：310180