在線社交網(wǎng)絡(luò)正在改變?nèi)藗兊纳?這些改變通過社交關(guān)系得以廣泛傳播,社交關(guān)系指的是社交網(wǎng)絡(luò)上個體之間的聯(lián)系。對社交關(guān)系構(gòu)建的研究,有助于了解網(wǎng)絡(luò)的產(chǎn)生和演化;對社交關(guān)系分析的研究,有助于理解社交紐帶的不同屬性并基于它們分析整個網(wǎng)絡(luò)。本文從這兩方面出發(fā)提出了4個研究問題,研究如何在用戶間（新用戶和老用戶之間,新用戶自身之間）構(gòu)建社交關(guān)系,研究如何表征社交紐帶并以此為基礎(chǔ)研究社交紐帶的方向性。本文的具體研究內(nèi)容如下:1.面向關(guān)系構(gòu)建的意見領(lǐng)袖組選取。為了選取向新用戶推薦的老用戶,本文用多維數(shù)據(jù)點建模社交網(wǎng)絡(luò)中老用戶的影響力,將老用戶中的意見領(lǐng)袖組選取轉(zhuǎn)化為組天際線問題,并提出了一個組天際線算法——最小支配搜索算法。該算法首先針對輸入構(gòu)建最小支配圖,接下來基于此圖用搜索的方式找出所有天際線組。實驗驗證了該算法對于意見領(lǐng)袖組選取問題的有效性和高效性。2.面向關(guān)系構(gòu)建的雙選用戶匹配。為了在兩組雙向選擇的新用戶之間構(gòu)建社交關(guān)系,本文提出了泛化雙向相似匹配這一問題。針對該問題,本文一共提出了3種適用于不同場合的算法:樸素的嵌套循環(huán)算法、基于分治思想的子匹配集算法和基于歸一化策略的映射-過濾-驗證算法。... 

【文章來源】：清華大學北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：135 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 社交網(wǎng)絡(luò)與社交關(guān)系
        1.1.2 社交關(guān)系構(gòu)建的研究意義
        1.1.3 社交關(guān)系分析的研究意義
    1.2 本文的研究問題
        1.2.1 社交關(guān)系構(gòu)建
        1.2.2 社交關(guān)系分析
        1.2.3 研究問題小結(jié)
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 鏈接預測研究
        1.3.2 意見領(lǐng)袖組相關(guān)研究
        1.3.3 相似連接研究
        1.3.4 網(wǎng)絡(luò)點嵌入方法研究
        1.3.5 社交紐帶屬性研究
    1.4 本文的主要貢獻
    1.5 本文的組織結(jié)構(gòu)
第2章 面向關(guān)系構(gòu)建的意見領(lǐng)袖組選取
    2.1 引言
    2.2 問題定義
        2.2.1 點支配和天際線點
        2.2.2 組支配和組天際線
        2.2.3 天際線層和有向天際線圖
    2.3 最小支配搜索算法
        2.3.1 最小支配圖的概念
        2.3.2 生成最小支配圖
        2.3.3 比較最小支配圖和有向天際線圖
        2.3.4 單點搜索算法
        2.3.5 父母組搜索算法
        2.3.6 基于天際線組合的搜索優(yōu)化
    2.4 實驗驗證
        2.4.1 生成組天際線支持結(jié)構(gòu)實驗
        2.4.2 基于組天際線支持結(jié)構(gòu)的搜索實驗
        2.4.3 真實數(shù)據(jù)集的驗證實驗
    2.5 本章小結(jié)
第3章 面向關(guān)系構(gòu)建的雙選用戶匹配
    3.1 引言
    3.2 問題定義
    3.3 匹配算法
        3.3.1 嵌套循環(huán)算法
        3.3.2 子匹配集算法
        3.3.3 映射-過濾-驗證算法
        3.3.4 改進的映射方法
        3.3.5 算法討論
    3.4 實驗驗證
        3.4.1 實驗設(shè)置
        3.4.2 數(shù)據(jù)集分析
        3.4.3 實驗結(jié)果展示
    3.5 本章小結(jié)
第4章 面向關(guān)系分析的網(wǎng)絡(luò)邊嵌入方法
    4.1 引言
    4.2 問題定義
    4.3 edge2vec方法介紹
        4.3.1 edge2vec方法概述
        4.3.2 保持全局相似性
        4.3.3 保持局部相似性
        4.3.4 用edge2vec網(wǎng)絡(luò)邊嵌入
    4.4 實驗驗證
        4.4.1 實驗設(shè)置
        4.4.2 鏈接預測實驗
        4.4.3 社交紐帶方向預測實驗
        4.4.4 社交紐帶符號預測實驗
        4.4.5 邊相似性保持實驗
        4.4.6 參數(shù)敏感性分析實驗
    4.5 本章小結(jié)
第5章 面向關(guān)系分析的社交紐帶方向性建模
    5.1 引言
    5.2 問題定義
    5.3 DeepDirect方法
        5.3.1 DeepDirect方法概述
        5.3.2 E步:混合網(wǎng)絡(luò)的網(wǎng)絡(luò)邊嵌入
        5.3.3 D步:學習方向性函數(shù)
        5.3.4 算法描述與分析
    5.4 社交紐帶方向性學習的應(yīng)用
        5.4.1 無向紐帶的方向發(fā)現(xiàn)
        5.4.2 雙向紐帶的方向性量化
    5.5 實驗驗證
        5.5.1 實驗設(shè)置
        5.5.2 無向紐帶的方向發(fā)現(xiàn)實驗
        5.5.3 雙向紐帶的方向性量化實驗
        5.5.4 可擴展性實驗
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文研究工作總結(jié)
    6.2 未來研究方向展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術(shù)論文與研究成果


【參考文獻】：
期刊論文
[1]泛化雙向相似連接[J]. 王昶平,王朝坤,汪浩,王萌,陳俊.  軟件學報. 2017 (12)
[2]基于實體的相似性連接算法[J]. 劉雪莉,王宏志,李建中,高宏.  軟件學報. 2015(06)



本文編號：3170821