基于位置社交网络的朋友关系预测研究

《基于位置社交网络的朋友关系预测研究》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、分类号密级太原理工大学Ｖ硕±学位论文题目基于位貴社交网络的朋友关系预测妍究一，ＲｅｓｅａｒｃｈｏｎＦｒｉｅｎｄｓｈｉｐＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＬｏｃａｔｉｏｎ－Ｂａｓｅｄ英文并列题目ＳｏｃｉａｌＮｅｔｗｏｒｋ高旭瑞—研究生姓名：学号．２０１３５１０２８０专业：计其机科学与技术研究方向：数据挖掘王莉导师姓名：职称教授：学位授予单化：太原理Ｔ：大学论文提交日巧２０１６／０６地址？太原：山西太原理工大学声明本人郑重声明：所呈交的学位论文，是本人在指导教

2、师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究。做出重要贡献的个人和集体，均已在文中ｋａ明确方式标明本声明的法律责任由本人承担。论文作者签名：东池為日期：作关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部口送交学位论文的原件与复印＾件学校可１：｜；②采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可学术交流为目的，复制赠送和交换学位论文；⑤学校可

3、１＾：（公布学位论文的全部或部分内容〔保密学位论文在池解密后遵守此规定）。签名；馬為日期：作导师签名；，日期；訓Ｌｆ）＇！＾太原理工大学硕士研究生学位论文基于位置社交网络的朋友关系预测研究摘要随着社交网络的普及以及移动智能设备的发展，基于位置的社会网络（Location-BasedSocialNetwork，LBSN）逐渐进入人们的生活。LBSN通过将用户移动行为和地理位置信息关联，充分挖掘用户潜在行为与其日常活动位置的相关性，使线上虚拟世界和线下现实生活之间建立密切联系，为社会关系预测等领域开辟新的研究方向。LBSN中的签到数据包含用户时间、空间等多重信

4、息，为朋友关系预测提供了可能。但是，LBSN网络结构比较稀疏，难以完整反映个体签到行为。因此，从现有的数据中挖掘用户完整信息，并利用隐含知识刻画用户特征，成为用户行为研究的重要方向。为了实现上述目标，本文提出基于支持向量机（SupportVectorMachine,SVM）的朋友关系预测框架，并利用Gowalla和Brightkite两个数据集进行仿真实验，结果表明该方法的有效性和可行性。具体来说，本文主要研究工作包括以下四个方面：1.分析Gowalla和Brightkite数据集中用户行为特征，如用户好友数、签到地点以及签到次数，发现其均呈长尾分布，并且两个网络中拥有好友数超过

5、50个的用户占极小比例。在Brightkite中签到次数小于10的达到43.5%，进一步说明数据的稀疏性，给好友预测带来新的挑战。I太原理工大学硕士研究生学位论文2.利用用户签到时空信息，分析用户移动区域以及移动周期，进而挖掘用户移动规律。分析移动区域时，发现绝大部分用户只在较小的范围内活动。相对而言，Gowalla数据集中的用户活动半径较大。对移动周期的分析得知，用户活动呈现出一定的周期性，与人们的生活规律相契合。3.在上述网络结构以及用户移动行为分析的基础上进行特征提取。根据传统基于节点相似性的度量方法，提出本文用户社交关系计算方法，并提取用户签到距离以及签到类型作为朋友关系

6、预测的输入特征。4.建立基于SVM的朋友关系预测框架，融合上述特征分别对朋友关系进行分类预测，并用准确率、召回率、F1-measure以及AUC值进行评估，发现社交关系对朋友预测的影响最大，三个特征融合的预测准确率优于单个特征。为了进一步改善预测效果，利用遗传算法（GeneticAlgorithm,GA）、粒子群算法（ParticleSwarmOptimization,PSO)以及网格搜索（GridSearch，GS）对惩罚因子C和核参数g进行优化。关键词：基于位置的社交网络，支持向量机，遗传算法，粒子群算法II太原理工大学硕士研究生学位论文RESEARCHONFRIENDSHI

7、PPREDICTIONBASEDONLOCATION-BASEDSOCIALNETWORKABSTRACTWiththeprevalenceofsocialnetworksandthedevelopmentofmobilesmartdevices,location-basedsocialnetworks(LBSN)hasgraduallyintegratedintopeople'slives.LBSNaimsatcombingtheusers’mobilebehaviorandg