在线社交网络用户的分类及采样研究.pdf

《在线社交网络用户的分类及采样研究.pdf》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、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA博士学位论文DOCTORALDISSERTATION（电子科技大学图标）论文题目在线社交网络用户的分类及采样研究学科专业计算机软件与理论学号200810602015作者姓名曾雪指导教师吴跃教授万方数据分类号TP31密级公开注1UDC004学位论文在线社交网络用户的分类及采样研究（题名和副题名）曾雪（作者姓名）指导教师吴跃教授电子科技大学成都（姓名、职称、单位名称）申请学位级别博士学科专业计算机软件与理论提交论文日期2013-9论文答辩日期2013-

2、12-07学位授予单位和日期电子科技大学2013年12月24日答辩委员会主席唐常杰评阅人唐常杰、何炎祥、叶茂、佘堃、何钦铭注1：注明《国际十进分类法UDC》的类号。万方数据RESEARCHONONLINESOCIALNETWORKUSERCLASSIFICATIONANDSAMPLINGADoctorDissertationSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:XueZengAdvisor:Prof.

3、WuYueSchool:SchoolofComputerScienceandEngineering万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论

4、文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将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、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要近年来，随着越来越多的网络在线服务的出现，大量以网络形式相互关联的数据在互联网中涌现。这些数据包括：在线社交网络的用户交互信息、论文检索库中的引用信息、电子商务网站上的消费评论信息等。此外，还存在一些非互联网络中产生的，但是同样具有相互关联特性的数据，比如：生物医学界中的蛋白质和基因组合数据、电信行业的用户

5、通信数据等等。所有这些网络数据都具有如下显著特征：数据样本间不独立；数据样本的属性之间存在概率相关性；数据量十分巨大。针对网络数据的上述特性，以网络数据的分类问题为核心，对网络数据的在线采集、模型建立、特征提取和分类应用等方面展开了一系列研究。主要研究内容和创新点如下：1.研究如何对网络数据建立普适的模型，并基于该模型总结了一套通用的网络数据分类策略框架。该框架由本地分类器（LocalClassifier）、关系分类器（RelationalClassifier）和联合推理（CollectiveInference）三部分组成。详细对比了各部分对应的算法，以及

6、各种算法组合后的分类性能。针对网络数据中小占比类别样本的数据缺失问题，提出了在样本权重中引入误分代价的方式，对网络数据的初始化操作进行了优化，使得小占比样本的数据缺失在本地分类（LocalClassifier）阶段得以补足，为后续的关系分类和联合推理提供了更多分类依据。2.针对在线社交网络用户分类问题中训练集和测试集的类别占比不一致的问题，以NaïveBayes算法为例，运用迁移学习的方法，将测试集中的信息迁移到训练集中，获得了更好的预测效果。3.讨论了影响关系分类器（RelationalClassifier）的预测精度的主要因素。大多数关系分类器都基于网

7、络数据的一个普遍特征：同质性（Homophily）对数据进行分类。大多数同质性指标都仅仅对整个网络数据集进行同质性度量。然而，就分类问题而言，需要对数据集中的各个类别分别进行同质性度量。因此，尝试性地定义了多个同质性指标（Edge-centeredindexes和Node-centeredindexes以及E-Index）专门对网络数据集中的任一给定类别的同质性进行量化。实验表明，E-Index指标的度量效果最好。研究同时发现，对关系数据分类问题而言，给定类别的分类预测精度仅和该类别自身的同质性有关，和其余类别的同质性无关。I万方数据摘要4.以推特（Twi

8、tter）在线社交网络为研究实例，设计了一个基于用户交互行为的分级