在當(dāng)前網(wǎng)絡(luò)時(shí)代,隨著智能社交媒介的普及和在線應(yīng)用的豐富多樣,網(wǎng)絡(luò)信息空間時(shí)刻都有海量數(shù)據(jù)的產(chǎn)生。如何在紛繁復(fù)雜的數(shù)據(jù)中捕獲有效信息并且智能分析,是大數(shù)據(jù)和人工智能時(shí)代一個(gè)歷久彌新的研究課題。網(wǎng)絡(luò)大數(shù)據(jù)的產(chǎn)生與網(wǎng)絡(luò)用戶數(shù)量爆炸式增長有著密切關(guān)系,同時(shí)人們將更多的生活行為從現(xiàn)實(shí)空間轉(zhuǎn)移到網(wǎng)絡(luò)空間,符號(hào)社交網(wǎng)絡(luò)中包含的大量用戶數(shù)據(jù)信息值得被挖掘發(fā)現(xiàn)。用戶關(guān)系不僅是社交網(wǎng)絡(luò)結(jié)構(gòu)的直觀反映,而且是信息數(shù)據(jù)在社交網(wǎng)絡(luò)中的流通路徑,因此研究用戶關(guān)系對(duì)于社交網(wǎng)絡(luò)的發(fā)展和相關(guān)在線應(yīng)用都具有積極的意義。但是當(dāng)前符號(hào)社交網(wǎng)絡(luò)中用戶間負(fù)關(guān)系的發(fā)現(xiàn)是一個(gè)研究相對(duì)不足的方向,相比于正關(guān)系,負(fù)關(guān)系在社交網(wǎng)絡(luò)中依然具有舉足輕重的作用,因此本文重點(diǎn)關(guān)注了符號(hào)社交網(wǎng)絡(luò)中負(fù)關(guān)系信息的挖掘。大數(shù)據(jù)時(shí)代,實(shí)體之間的關(guān)系網(wǎng)絡(luò)不再是單純的用戶之間的關(guān)系,人與人、物與物、人與物等復(fù)雜關(guān)系的混合已然是當(dāng)前信息網(wǎng)絡(luò)的本質(zhì)特征,而且網(wǎng)絡(luò)維度也在不斷加大。這對(duì)于數(shù)據(jù)挖掘提出了新的挑戰(zhàn),并且給人工智能相關(guān)數(shù)據(jù)分析領(lǐng)域也帶來了不確定性。本文從社交網(wǎng)絡(luò)的研究拓展到一般信息數(shù)據(jù)網(wǎng)絡(luò),通過研究高維復(fù)雜數(shù)據(jù)網(wǎng)絡(luò)的嵌入,實(shí)現(xiàn)了信息網(wǎng)絡(luò)的低維表示。顯然,隨...

【文章頁數(shù)】：145 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖2.3DP-SSN架構(gòu)模型說明圖

25圖2.3DP-SSN架構(gòu)模型說明圖本文通過過社交網(wǎng)絡(luò)中用戶間信任關(guān)系的拓?fù)漕A(yù)測不信任關(guān)系，目標(biāo)就是從大量的沒有關(guān)系的用戶對(duì)中發(fā)現(xiàn)可能存在或者潛在有不信任關(guān)系的用戶對(duì)。為了能對(duì)本文提出的算法模型有一個(gè)宏觀和直接的了解，將本文提出的算法模型的架構(gòu)圖展示如圖2.3所示。從圖....

圖2.4不同模型性能比較圖

單一的分類器對(duì)于復(fù)雜問題的解決必然會(huì)有所限制，對(duì)于不同的更多數(shù)量的分類器的組合方式值得我們深入研究，本次實(shí)驗(yàn)結(jié)果也驗(yàn)證了本文提出的DP-SSN算法架構(gòu)具有較好的預(yù)測性能。表2.3不同預(yù)測模型預(yù)測不信任關(guān)系性能比較EpinionsSlashdotAccuracyPrec....

圖2.6兩個(gè)數(shù)據(jù)集中不同誘導(dǎo)因子的貢獻(xiàn)分析

測不信任關(guān)系的表現(xiàn)也在越來越好。很明顯當(dāng)抽取比例x%=90%時(shí)，組合規(guī)則P和W的狀態(tài)達(dá)到最佳。由此可見，隨著訓(xùn)練數(shù)據(jù)的增加，組合規(guī)則P和W的學(xué)習(xí)能力在不斷增強(qiáng)。在當(dāng)前大數(shù)據(jù)時(shí)代，社交網(wǎng)絡(luò)中的數(shù)據(jù)量必然會(huì)大量增加，相信在更大數(shù)據(jù)量的環(huán)境下，DP-SSN的學(xué)習(xí)能....

圖3.2實(shí)驗(yàn)數(shù)據(jù)設(shè)置圖

第3章符號(hào)社交網(wǎng)絡(luò)中負(fù)鏈路的非監(jiān)督預(yù)測這一節(jié)設(shè)計(jì)了多組實(shí)驗(yàn)，驗(yàn)證提出算法在真實(shí)符號(hào)社交網(wǎng)絡(luò)中預(yù)測負(fù)鏈并且與相關(guān)方法做了比較，通過實(shí)驗(yàn)結(jié)果分析算法的優(yōu)勢與不足。最后超參數(shù)的不同取值對(duì)算法性能的影響以及算法的收斂性。實(shí)驗(yàn)準(zhǔn)備相關(guān)實(shí)驗(yàn)設(shè)計(jì)之前，本文首先將數(shù)據(jù)集做了設(shè)置，具體如圖....

本文編號(hào)：3920560