本文關鍵詞：社會網絡用戶關系分析與預測，，由筆耕文化傳播整理發(fā)布。

【摘要】：在線社交網絡已經成人們工作生活中不可或缺的一部分,人們每天社交活動所產生的海量數據蘊含了大量的個人信息。社交網絡分析包括用戶關系預測、社團發(fā)現、社會影響力分析、社交信息傳播等,是當前的重要研究方向,部分研究結果已經應用在疾病傳播控制、犯罪偵查、產品推廣等領域。用戶關系是社交網絡形成和發(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,是社交網絡分析的重要依據。社交網絡用戶關系分析是指根據已有的部分社會網絡結構、用戶屬性和行為等信息,分析用戶之間的親密程度并預測用戶之間是否存在關系,是社交網絡分析的一個基本問題。現有的社交網絡用戶關系分析方法主要是依據社交網絡拓撲結構,預測好友關系,如基于好友關系和路徑的分析方法,主要依據社會學觀點：兩個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系分析方法。有的工作還借助用戶屬性信息進行用戶關系分析和預測,或是將拓撲結構和用戶屬性進行結合分析用戶關系,以解決用戶屬性信息不能完全真實可靠的問題。整體上,現有工作主要存在三個方面的不足：沒有考慮社交行為對用戶關系的動態(tài)影響；缺乏用戶關系的個性化需求分析及對關系預測的影響；僅針對社交網絡的直觀可見的數據進行分析,缺乏對于影響用戶社交關系的隱含因素的深度分析。針對這些問題,本文將整合社交網絡中拓撲結構、屬性及行為等多模態(tài)數據,以提高用戶關系預測的準確性,本文主要貢獻如下：針對復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行為之間的內在聯系。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,得出個性化交友偏好,本文對用戶的每個屬性取值進行個性化分析,提出了基于比例和信息熵的屬性重要度計算方法,同時考慮雙方共同的交友意愿,給出了基于屬性的用戶關系度量方法。針對用戶關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系度量方法進行融合,松散融合是將每種度量方法看作是相互獨立的,將他們賦予不同的權值進行直接的融合,而緊密融合是將屬性或者行為度量標準融合到已有的網絡結構度量標準之中。最后在兩個真實的社交網絡數據集中進行了實驗,實驗結果顯示我們的方法準確率要高于以往的用戶關系預測方法。
【關鍵詞】：社交網絡 行為分析 關系度量 融合
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：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 論文結構15-16
• 第二章 相關工作16-21
• 2.1 基于網絡結構的用戶關系分析16-19
• 2.1.1 基于共同好友的關系分析16-17
• 2.1.2 基于路徑的關系分析17-19
• 2.2 基于屬性的用戶關系分析19-20
• 2.3 社交行為建模20
• 2.4 本章小結20-21
• 第三章 社交網絡用戶屬性建模與用戶關系度量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 基于屬性的用戶關系度量23-24
• 3.3 本章小結24-25
• 第四章 社交網絡用戶行為建模與用戶關系度量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 基于行為的用戶關系度量28-29
• 4.3 本章小結29-30
• 第五章 用戶關系度量方法融合30-36
• 5.1 用戶關系分析模型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 結合共同好友的度量標準33-34
• 5.3.2 結合路徑的度量標準34-35
• 5.3.3 結合隨機游走的度量標準35
• 5.4 本章小結35-36
• 第六章 實驗和結果分析36-44
• 6.1 數據集分析36
• 6.2 數據集預處理36-37
• 6.3 實驗結果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 總結與展望44-45
• 7.1 本文總結44
• 7.2 未來展望44-45
• 參考文獻45-49
• 致謝49-50
• 攻讀碩士學位期間發(fā)表的學術論文目錄50-51
• 攻讀學位期間參與的科研項目及獲獎情況51-52
• 學位論文評閱及答辯情況表52

【參考文獻】

中國期刊全文數據庫 前2條

1 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構社交網絡推薦算法[J];計算機學報;2013年02期

2 王s

本文編號：310180