【摘要】：目前,互聯(lián)網(wǎng)時(shí)代迅速發(fā)展,越來(lái)越多的用戶開始進(jìn)入新的社交時(shí)代-網(wǎng)絡(luò)社交時(shí)代,使得在線社交網(wǎng)絡(luò)得到高速的發(fā)展。微博、微信、QQ、人人網(wǎng)等社交平臺(tái)相繼出現(xiàn)并且逐漸擁有了大量的用戶群體。用戶在社交網(wǎng)絡(luò)平臺(tái)中填寫自己的個(gè)人信息,其中包括用戶性別、年齡、地域信息、興趣愛(ài)好、家庭背景等屬性信息,這些信息使得平臺(tái)管理者和社交網(wǎng)絡(luò)的研究者可以更好的開展研究管理工作。但是,在現(xiàn)階段的用戶屬性信息中,往往存在著信息缺失或者虛假信息的現(xiàn)象,網(wǎng)絡(luò)中用戶資料的不完善,會(huì)影響到對(duì)社會(huì)網(wǎng)絡(luò)的研究和平臺(tái)的運(yùn)營(yíng)。研究者為了解決這一現(xiàn)象,提出了較為完善的用戶未知屬性信息推斷方法,但是,目前效果較好且經(jīng)典的信息推斷方法沒(méi)有在同一個(gè)大型真實(shí)社交網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)上去驗(yàn)證比較推斷效果,同時(shí),所有的研究都是在無(wú)權(quán)網(wǎng)絡(luò)上開展進(jìn)行的,沒(méi)有考慮到網(wǎng)絡(luò)中節(jié)點(diǎn)之間權(quán)值的差異對(duì)用戶未知屬性信息推斷的影響。本課題主要根據(jù)現(xiàn)階段社交網(wǎng)絡(luò)中存在的用戶缺失信息問(wèn)題,在同一大型社交網(wǎng)絡(luò)數(shù)據(jù)集中分析及實(shí)驗(yàn)驗(yàn)證了現(xiàn)階段經(jīng)典用戶屬性信息推斷方法的效果,并且首次提出了根據(jù)節(jié)點(diǎn)之間不同關(guān)系強(qiáng)度來(lái)對(duì)未知屬性用戶信息進(jìn)行推斷改進(jìn)的思想,從本質(zhì)上來(lái)看是利用節(jié)點(diǎn)之間的關(guān)系強(qiáng)度去除網(wǎng)絡(luò)中噪聲數(shù)據(jù)的過(guò)程。利用社會(huì)學(xué)中用戶人際網(wǎng)絡(luò)中強(qiáng)弱關(guān)系的知識(shí),可以將原始的社交網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)換成標(biāo)注了強(qiáng)弱邊的加權(quán)聯(lián)通數(shù)據(jù)網(wǎng)開展信息推斷的研究工作。在推斷實(shí)驗(yàn)中,我們也同時(shí)驗(yàn)證了節(jié)點(diǎn)之間的關(guān)系強(qiáng)度對(duì)于未知屬性節(jié)點(diǎn)地域信息的推斷會(huì)產(chǎn)生積極影響,同時(shí),用戶的強(qiáng)弱關(guān)系對(duì)于不同屬性之間推斷改進(jìn)的效果有較為明顯的差異。實(shí)驗(yàn)中驗(yàn)證了利用節(jié)點(diǎn)之間關(guān)系強(qiáng)度去除噪聲數(shù)據(jù)可以更加高效率的對(duì)社交網(wǎng)絡(luò)中虛假信息和缺失信息進(jìn)行推斷研究,強(qiáng)關(guān)系對(duì)于社交網(wǎng)絡(luò)的用戶、群體和網(wǎng)絡(luò)本身都具有意義。我們需要合理的利用強(qiáng)關(guān)系,對(duì)于社交網(wǎng)絡(luò)中的用戶信息提供更好的研究手段和方法。
【圖文】：

而對(duì)用戶缺失屬性進(jìn)行更好的信息推斷。本課題的研究?jī)?nèi)容具體包括：第一，研究在線社交網(wǎng)絡(luò)關(guān)系強(qiáng)度的計(jì)算方法。將在線社會(huì)網(wǎng)絡(luò)轉(zhuǎn)換成標(biāo)記了強(qiáng)關(guān)系的加權(quán)社會(huì)網(wǎng)絡(luò)，同時(shí)測(cè)試用戶屬性信息推斷的性能。其本質(zhì)是一種數(shù)據(jù)分類的方式，利用不同的聚類方法將社交網(wǎng)絡(luò)這一特殊的數(shù)據(jù)進(jìn)行有特征的分類[27]。論文中會(huì)列舉出幾種有代表性且效果較好的分類方法，利用微博數(shù)據(jù)平臺(tái)對(duì)幾種分類算法進(jìn)行測(cè)試。這里進(jìn)行算法測(cè)試的數(shù)據(jù)集大小和規(guī)模是相同的，以便于將不同的算法進(jìn)行橫向的多指標(biāo)對(duì)比，分析結(jié)果從而得出結(jié)論。第二，對(duì)社交網(wǎng)絡(luò)中節(jié)點(diǎn)的未知屬性信息進(jìn)行推斷，利用網(wǎng)絡(luò)中的強(qiáng)關(guān)系去除噪聲，改進(jìn)現(xiàn)有的用戶屬性信息推斷方法的性能，，對(duì)在線社交網(wǎng)絡(luò)中缺失的用戶屬性信息進(jìn)行增補(bǔ)和還原，以便對(duì)接下來(lái)的研究發(fā)現(xiàn)和探索創(chuàng)造方法提供研究思路。根據(jù)上述研究?jī)?nèi)容與整體架構(gòu)，課題的研究思路如下圖 1-1 所示：

59975 海外 4874 新疆 12922 湖南 375170 內(nèi)蒙古 59145 江西 481708 海南 27753 香港 73093 福建 137988 云南 19718 吉林 211666 重慶 36156 青海 17133 西藏 39018 臺(tái)灣 154651 澳門 30787應(yīng)節(jié)點(diǎn)數(shù)如圖 2-1 所示：
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 沈洪洲;袁勤儉;;基于社交網(wǎng)絡(luò)的社交關(guān)系強(qiáng)度分類研究[J];情報(bào)學(xué)報(bào);2014年08期

2 張磊;陳貞翔;楊波;;社交網(wǎng)絡(luò)用戶的人格分析與預(yù)測(cè)[J];計(jì)算機(jī)學(xué)報(bào);2014年08期

相關(guān)會(huì)議論文 前1條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預(yù)測(cè)與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國(guó)管理學(xué)年會(huì)商務(wù)智能分會(huì)場(chǎng)論文集（選編）[C];2012年

相關(guān)博士學(xué)位論文 前1條

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

相關(guān)碩士學(xué)位論文 前1條

1 吳玲玲;信息網(wǎng)絡(luò)中節(jié)點(diǎn)缺失信息推斷研究[D];北京郵電大學(xué);2015年

本文編號(hào)：2621253