【摘要】：隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展和社交軟件的普及,網(wǎng)絡(luò)中產(chǎn)生了海量的攜帶社交特征信息的對象,對象之間存在著復(fù)雜的社交關(guān)系,這就構(gòu)成了一個龐大的社交網(wǎng)絡(luò)圖�，F(xiàn)實(shí)生活中,各種基于社交網(wǎng)絡(luò)的應(yīng)用,比如服務(wù)商的選擇、眾包服務(wù)的調(diào)用選擇、特殊群體的挖掘等等,這些應(yīng)用使人們的生活更加豐富多彩,同時讓社交網(wǎng)絡(luò)圖的相關(guān)技術(shù)變得越來越重要。本文主要研究了基于社交信息約束的問題,主要包括信任網(wǎng)絡(luò)抽取與子圖匹配問題。本文針對不同應(yīng)用場景的社交網(wǎng)絡(luò)問題,提出了必要的模型結(jié)構(gòu)以及高效的處理算法,具體研究內(nèi)容如下:(1)針對社交網(wǎng)絡(luò)中的信任網(wǎng)絡(luò)抽取問題,提出了一種啟發(fā)式的社會情景感知的信任網(wǎng)絡(luò)抽取模型。通過擴(kuò)展K-Best-First Search(KBFS)方法提出幾種優(yōu)化策略和方法,使得模型在算法效率和提取的信任網(wǎng)絡(luò)質(zhì)量方面都優(yōu)于現(xiàn)有的方法。(2)針對多屬性約束圖的子圖匹配問題,提出了基于M-HAMC的求解算法。該算法采用了雙向多線程搜索的算法,避免了窮舉所有組合,然后結(jié)合了有效的SSC圖壓縮和索引技術(shù),進(jìn)而提高了查詢處理效率。(3)對本文提出的方法加以實(shí)現(xiàn),在真實(shí)數(shù)據(jù)集上與現(xiàn)有方法進(jìn)行了實(shí)驗(yàn)對比,驗(yàn)證了本文所提出的模型結(jié)構(gòu)及方法的高效性。
【圖文】：

基于社交信息約束的可信網(wǎng)絡(luò)抽取以及子圖匹配的研究12圖2-1 一個信任驅(qū)動的社交網(wǎng)絡(luò)圖在圖 2-1 所示的社交網(wǎng)絡(luò)中，假設(shè)學(xué)生 A 在尋找網(wǎng)球教練，E 是網(wǎng)球教練，A 可以間接地從 B、C 和 D 那里認(rèn)識 E。在此情景下，可以使用信任傳播方法來評估從 A到 E 的信任網(wǎng)絡(luò)的信任度。因此可以看出，在 OSN 中，擁有這樣一個信任網(wǎng)絡(luò)是信任評估的前提條件，，因?yàn)榇司W(wǎng)絡(luò)包含了中間參與者的重要信息，包括社會背景信息以及他們之間的信任關(guān)系

基于社交信息約束的可信網(wǎng)絡(luò)抽取以及子圖匹配的研究14圖2-2 一個信任驅(qū)動的情境社交網(wǎng)絡(luò)圖為了解決信任網(wǎng)絡(luò)的抽取問題，我們設(shè)計(jì)了一個以信任為驅(qū)動的情境社交網(wǎng)絡(luò)結(jié)構(gòu)，如圖 2-2 所示，它既考慮到信任值，也考慮包括社會關(guān)系、社會地位、居住地點(diǎn)和偏好在內(nèi)的復(fù)雜社會背景因素，下面是它所包含的具體因素：1．社會背景正如社會科學(xué)[74]所闡明的那樣，社會背景是個體的社會環(huán)境，包括一個人受教育情況和生活的情況。在本文中，我們將 OSN 中的社會背景（記為 SC）分成獨(dú)立社會環(huán)境和依賴性社會環(huán)境。（1）獨(dú)立的社會環(huán)境，包括社會地位、偏好和住宅位置：社會地位：社會地位是個人在某一特定地位的地位、社區(qū)和文化
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O157.5;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 唐德權(quán);張悅;賀永恒;肖自紅;;基于圖數(shù)據(jù)挖掘算法的犯罪規(guī)律研究及應(yīng)用[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年11期

本文編號：2614285