社交关系构建与分析关键技术研究

发布时间：2021-05-05 23:47

　　在线社交网络正在改变人们的生活,这些改变通过社交关系得以广泛传播,社交关系指的是社交网络上个体之间的联系。对社交关系构建的研究,有助于了解网络的产生和演化;对社交关系分析的研究,有助于理解社交纽带的不同属性并基于它们分析整个网络。本文从这两方面出发提出了4个研究问题,研究如何在用户间（新用户和老用户之间,新用户自身之间）构建社交关系,研究如何表征社交纽带并以此为基础研究社交纽带的方向性。本文的具体研究内容如下:1.面向关系构建的意见领袖组选取。为了选取向新用户推荐的老用户,本文用多维数据点建模社交网络中老用户的影响力,将老用户中的意见领袖组选取转化为组天际线问题,并提出了一个组天际线算法——最小支配搜索算法。该算法首先针对输入构建最小支配图,接下来基于此图用搜索的方式找出所有天际线组。实验验证了该算法对于意见领袖组选取问题的有效性和高效性。2.面向关系构建的双选用户匹配。为了在两组双向选择的新用户之间构建社交关系,本文提出了泛化双向相似匹配这一问题。针对该问题,本文一共提出了3种适用于不同场合的算法:朴素的嵌套循环算法、基于分治思想的子匹配集算法和基于归一化策略的映射-过滤-验证算法。... 

【文章来源】：清华大学北京市 211工程院校 985工程院校 教育部直属院校

【文章页数】：135 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 社交网络与社交关系
        1.1.2 社交关系构建的研究意义
        1.1.3 社交关系分析的研究意义
    1.2 本文的研究问题
        1.2.1 社交关系构建
        1.2.2 社交关系分析
        1.2.3 研究问题小结
    1.3 国内外研究现状
        1.3.1 链接预测研究
        1.3.2 意见领袖组相关研究
        1.3.3 相似连接研究
        1.3.4 网络点嵌入方法研究
        1.3.5 社交纽带属性研究
    1.4 本文的主要贡献
    1.5 本文的组织结构
第2章 面向关系构建的意见领袖组选取
    2.1 引言
    2.2 问题定义
        2.2.1 点支配和天际线点
        2.2.2 组支配和组天际线
        2.2.3 天际线层和有向天际线图
    2.3 最小支配搜索算法
        2.3.1 最小支配图的概念
        2.3.2 生成最小支配图
        2.3.3 比较最小支配图和有向天际线图
        2.3.4 单点搜索算法
        2.3.5 父母组搜索算法
        2.3.6 基于天际线组合的搜索优化
    2.4 实验验证
        2.4.1 生成组天际线支持结构实验
        2.4.2 基于组天际线支持结构的搜索实验
        2.4.3 真实数据集的验证实验
    2.5 本章小结
第3章 面向关系构建的双选用户匹配
    3.1 引言
    3.2 问题定义
    3.3 匹配算法
        3.3.1 嵌套循环算法
        3.3.2 子匹配集算法
        3.3.3 映射-过滤-验证算法
        3.3.4 改进的映射方法
        3.3.5 算法讨论
    3.4 实验验证
        3.4.1 实验设置
        3.4.2 数据集分析
        3.4.3 实验结果展示
    3.5 本章小结
第4章 面向关系分析的网络边嵌入方法
    4.1 引言
    4.2 问题定义
    4.3 edge2vec方法介绍
        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网络边嵌入
    4.4 实验验证
        4.4.1 实验设置
        4.4.2 链接预测实验
        4.4.3 社交纽带方向预测实验
        4.4.4 社交纽带符号预测实验
        4.4.5 边相似性保持实验
        4.4.6 参数敏感性分析实验
    4.5 本章小结
第5章 面向关系分析的社交纽带方向性建模
    5.1 引言
    5.2 问题定义
    5.3 DeepDirect方法
        5.3.1 DeepDirect方法概述
        5.3.2 E步:混合网络的网络边嵌入
        5.3.3 D步:学习方向性函数
        5.3.4 算法描述与分析
    5.4 社交纽带方向性学习的应用
        5.4.1 无向纽带的方向发现
        5.4.2 双向纽带的方向性量化
    5.5 实验验证
        5.5.1 实验设置
        5.5.2 无向纽带的方向发现实验
        5.5.3 双向纽带的方向性量化实验
        5.5.4 可扩展性实验
    5.6 本章小结
第6章 总结与展望
    6.1 本文研究工作总结
    6.2 未来研究方向展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]泛化双向相似连接[J]. 王昶平,王朝坤,汪浩,王萌,陈俊.  软件学报. 2017 (12)
[2]基于实体的相似性连接算法[J]. 刘雪莉,王宏志,李建中,高宏.  软件学报. 2015(06)



本文编号：3170821