基于社会网络认知模型的社会关系预测方法研究

《基于社会网络认知模型的社会关系预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号：学号：密级：10532S0910G124普通湖南大学硕士学位论文基于社会网络认知模型的社会关系预测方法研究SocialNetworkRelationshipPredictionMethodBasedOnCognitiveModelHUANGTanlongB．E．(HunanUniversity)2009AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringInformationandC

2、ommunicationEngineeringintheGraduateSchoolofHunanUniversitySupervisorProfessorZHANGDafangMay,2014湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：场筋日期：珈7也

3、年石月／日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口，在年解密后适用本授权书。2、不保密回(请在以上相应方框内打“√”)作者签名：煽筋＼吼沙r轳年∥月阳一川一玑机导师签名：日期：年月日摘要近年来，随着Facebook、微博、人人网等社交网络平台的兴

4、起，社会网络已经从几十个节点的简单社会网络发展为上万节点的复杂社会网络。研究者逐渐发现传统的数据采样方式已经无法满足社会网络结构复杂化的发展需求。为了节约网络资源，人们提出了各种社会关系预测的方法。然而，传统的关系预测方法容易受到响应时间、数据丢包和个体行为等多因素的影响，并且对采样率的要求很高。针对传统方法的不足，本文基于社会网络认知模型下提出了两种关系预测的新方法：BTCS(BinarychopThresholdbasedCognitiveSocialstructures)算法和CCS(CommunityCo

5、gnitiveSocialstructures)算法，具体工作如下：首先，介绍了社会网络关系预测技术的研究背景、研究意义和发展现状，然后详细描述了社会关系认知模型的结构，并将社会关系认知模型运用到社会网络的关系预测中。其次，针对低采样率下关系预测方法精度较低的问题，本文提出了一种基于认知模型下低采样率的BTCS算法。它充分利用了个体节点对整体网络的认知能力，随机抽样部分网络节点，并获得抽样节点对整体网络的认知信息，然后根据认知信息预测出网络中所有节点间的关系，实现了低采样率下的关系预测。为了分析算法性能，本文在不

6、同网络和不同采样率下进行了多组对比实验，结果表明BTCS算法在低采样率下提高了预测精度、降低了预测时间。最后，针对随机采样预测方法稳定性差、预测速度慢的问题，本文利用同一社区内节点间认知度较高的特点，提出了一种．社区中的CCS算法。它能够有效地将节点的认知特性与社区属性结合，并应用到关系预测中，实现了社区化的关系预测。仿真结果表明，CCS算法比其他随机采样预测方法的稳定性更高，时间开销更小。综上所述，本文针对社会网络认知模型下的社会关系预测方法进行了研究，充分利用了社会网络中节点的认知特性和社区属性，降低了响应时

7、间、数据丢包和个体行为等多因素对关系预测的影响，提高了关系预测的效率，具有一定的理论意义和应用前景。关键词：社会网络；关系预测；认知模型；社区IIAbstractInrecentyears，withthedevelopmentofFacebook、Weibo、Renrenandothersocialnetworkplatforms，socialnetworkshadgraduallydevelopedfromsimplesocialnetworksofdozensnodesintocomplexsocialnet

8、worksoftensofthousandsnodes．Theresearchersgraduallyfoundthatthetraditionaldatasamplingmethodunabletomeetthedevelopmentneedsofthecomplexsocialnetworkstructures．However．insocialnetworks，the