近年來(lái)隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的普及,微博、微信、QQ等社交網(wǎng)絡(luò)平臺(tái)迅速興起并得到高速發(fā)展。這些網(wǎng)絡(luò)社交平臺(tái)為人們提供了方便有效的溝通渠道,逐漸成為人們?nèi)粘Ｉ睢⒐ぷ髦胁豢苫蛉钡囊徊糠?也同時(shí)擁有了大量的用戶群體。這些用戶在社交平臺(tái)上會(huì)產(chǎn)生包括用戶屬性信息、用戶社交信息等大量網(wǎng)絡(luò)數(shù)據(jù),其中用戶屬性信息包括用戶性別、年齡、地域等具體信息,這些信息能夠幫助平臺(tái)管理者更好的服務(wù)用戶和運(yùn)營(yíng)管理。然而,一些用戶處于隱私保護(hù)的原因,用戶屬性信息往往存在著缺失或者不完整的情況,這會(huì)影響平臺(tái)管理者開(kāi)展相關(guān)工作。研究人員為了解決這一問(wèn)題,開(kāi)始著手研究社交網(wǎng)絡(luò)中的用戶屬性推斷問(wèn)題。但是目前的研究方法主要是根據(jù)節(jié)點(diǎn)屬性信息或根據(jù)局部網(wǎng)絡(luò)結(jié)構(gòu)來(lái)解決屬性推斷問(wèn)題,并沒(méi)有考慮到復(fù)雜網(wǎng)絡(luò)中深層拓?fù)湫畔?duì)用戶屬性信息推斷的影響。本課題在大型微博社交網(wǎng)絡(luò)數(shù)據(jù)上進(jìn)行社交網(wǎng)絡(luò)中用戶屬性信息推斷方法的研究。首先,使用了幾種圖嵌入模型捕捉社交網(wǎng)絡(luò)中節(jié)點(diǎn)的結(jié)構(gòu)對(duì)等性和結(jié)構(gòu)同質(zhì)性,并使用了不同的相似性計(jì)算方法計(jì)算圖嵌入后鄰居節(jié)點(diǎn)之間的相似性,采用鄰居加權(quán)的方法解決用戶屬性推斷問(wèn)題。然后,本文使用了圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)中的深層... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 研究現(xiàn)狀及待解決問(wèn)題
        1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 待解決問(wèn)題
    1.3 本文的主要研究?jī)?nèi)容
    1.4 組織結(jié)構(gòu)
    1.5 屬性推斷的評(píng)價(jià)指標(biāo)
第2章 基于鄰居加權(quán)投票的用戶屬性推斷方法
    2.1 實(shí)驗(yàn)數(shù)據(jù)集
        2.1.1 新浪微博數(shù)據(jù)集的抽取
        2.1.2 騰訊微博數(shù)據(jù)集的抽取
        2.1.3 屬性推斷
    2.2 基于相似性的加權(quán)投票實(shí)驗(yàn)
        2.2.1 相似性計(jì)算方法
        2.2.2 基于隨機(jī)游走的圖嵌入算法
        2.2.3 基于節(jié)點(diǎn)相似度的圖嵌入算法
    2.3 實(shí)驗(yàn)結(jié)果
        2.3.1 分別使用三種圖嵌入向量相似性投票的實(shí)驗(yàn)結(jié)果
        2.3.2 性別屬性推斷實(shí)驗(yàn)結(jié)果
        2.3.3 地域?qū)傩酝茢鄬?shí)驗(yàn)結(jié)果
        2.3.4 實(shí)驗(yàn)結(jié)果分析
    2.4 本章小結(jié)
第3章 基于圖卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性推斷方法
    3.1 引言
    3.2 基于圖卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性推斷方法
    3.3 增加圖嵌入信息特征的圖卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 使用Deep Walk圖嵌入向量作為補(bǔ)充向量
        3.3.2 使用Node2vec圖嵌入向量作為補(bǔ)充向量
        3.3.3 使用LINE圖嵌入向量作為補(bǔ)充向量
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第4章 基于圖注意力網(wǎng)絡(luò)的用戶屬性推斷方法
    4.1 引言
    4.2 注意力機(jī)制介紹
    4.3 基于圖注意力網(wǎng)絡(luò)的用戶屬性推斷方法
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]社交網(wǎng)絡(luò)用戶敏感屬性迭代識(shí)別方法[J]. 謝小杰,梁英,董祥祥.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2019(03)
[2]社會(huì)網(wǎng)絡(luò)應(yīng)用研究綜述[J]. 張奧琳.  市場(chǎng)周刊. 2019(02)
[3]基于node2vec的社交網(wǎng)絡(luò)用戶屬性補(bǔ)全攻擊[J]. 裴楊,瞿學(xué)鑫,郭曉博,段丁陽(yáng).  信息網(wǎng)絡(luò)安全. 2017(12)
[4]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國(guó)科學(xué):信息科學(xué). 2017(08)
[5]社交平臺(tái)的信息影響力——以新浪微博為例[J]. 陳肇珅.  電視指南. 2017(13)
[6]基于社團(tuán)結(jié)構(gòu)的鏈接預(yù)測(cè)和屬性推斷聯(lián)合解決方法[J]. 王銳,吳玲玲,石川,吳斌.  電子學(xué)報(bào). 2016(09)
[7]一種基于隨機(jī)游走模型的多標(biāo)簽分類算法[J]. 鄭偉,王朝坤,劉璋,王建民.  計(jì)算機(jī)學(xué)報(bào). 2010(08)

博士論文
[1]社會(huì)網(wǎng)絡(luò)中基于鏈接的分類問(wèn)題研究[D]. 萬(wàn)懷宇.北京交通大學(xué) 2012

碩士論文
[1]用戶屬性信息推斷方法的研究[D]. 雷雨.哈爾濱工業(yè)大學(xué) 2019
[2]信息網(wǎng)絡(luò)中節(jié)點(diǎn)缺失信息推斷研究[D]. 吳玲玲.北京郵電大學(xué) 2015



本文編號(hào)：3206347