面向社交网络的链接预测算法研究

《面向社交网络的链接预测算法研究》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、分类号：TP39单位代码：10183研究生学号：2015532071密级：公开吉林大学硕士学位论文（学术学位）面向社交网络的链接预测算法研究ResearchonLinkPredictionAlgorithmforSocialNetworks作者姓名：梁莹莹专业：计算机应用技术研究方向：数据挖掘指导教师：王喆副教授培养单位：计算机科学与技术学院2018年4月面向社交网络的链接预测算法研究ResearchonLinkPredictionAlgorithmforSocialNetworks作者姓名：梁莹莹专业名称：计算机应用技术指导教师：王喆副教授学位类别：工学硕士答辩日期：2018年

2、5月22日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日

3、《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊(光盘版)电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：计算机应用技术论文题目：面向社交网络的链接预测算法研究作者签名：指导教师签名：年月日作者联系地址(邮编)：吉林大学计算机科学与技术学院130012作者联系电话：18204316838摘

4、要摘要面向社交网络的链接预测算法研究信息技术的飞速发展使互联网渗透到社会生活的方方面面，社交类应用已经成为人们生活中不可或缺的一部分，并形成了规模庞大、信息丰富的社交网络。作为社交网络数据挖掘领域重要的研究内容之一，链接预测可以帮助学者评估网络形成机制、完善网络中缺失的信息、预测网络结构，可以帮助用户快速发现感兴趣的内容，从而应对信息过载等问题，对于学术研究和商业应用都有着重要的价值，吸引了诸多学者的关注。当前，面向社交网络的链接预测仍然存在诸多难点。首先，社交网络作为以人为主体构建的网络，个体并非完全独立，有多方面因素会影响个体行为进而影响到网络中链接的变化，在研究链接预测时，

5、应当对这些因素加以研究。其次，社交网络规模较大，包含信息庞杂，仅基于节点间相似度预测链接时，往往存在信息利用不充分的问题，影响链接预测的效果。随着人们要求的提高和网络规模的扩大，如何合理挖掘网络上的信息来预测链接成为了重要的研究内容。根据当前的研究现状，本文的贡献如下：（1）节点的中心性对其建立新链接的情况有一定影响，研究结合中心性的链接预测算法，首先提出一种新的节点中心性评价算法：LRC算法。经典的局部中心性忽略了节点间的相互作用，LRC算法基于自我中心网络提出关联强度，并用其表示直接相邻节点间的相互影响，综合节点的局部环境和节点间相互作用共同进行中心性评价。实验表明，LRC算

6、法能有效发现关键节点，对节点中心性评价的准确性优于对比算法。（2）对于面向社交网络的链接预测来说，传统的基于相似度的链接预测算法对节点间关系和社交网络特性考虑不足，研究基于改进相似度的链接预测算法。提出一种基于中心性的节点间相似度链接预测算法：LP-LRC算法，根据社交网络的弱连接特性和节点的LRC值，提升低中心性的共同邻居在新链接建立过程中发挥的作用，降低高中心性的共同邻居的作用，更符合社交网络特点。提出一种基于关联强度的链接预测算法：RWCN算法，以节点间关联强度区分不同的共同邻居对新链接建立的影响，改进经典的CN算法。实验表明，LP-LRC算法和RWCN算法在实验网络上的性

7、能优于对比算法，在部分网络上优于部分改进算法。I摘要（3）针对可获取领域信息的社交网络，研究基于节点间多特征的链接预测算法，提出两个基于领域信息特征的提取方法，描述节点在网络中的活跃度和节点间兴趣相似度，与基于拓扑结构获取的特征结合，基于节点间多特征预测链接。DBLP上的实验表明，本文设计的基于领域信息提取的特征信息增益更高，能有效提升链接预测性能。关键词：社交网络，链接预测，中心性，相似度算法，领域特征IIAbstractAbstractResearchonLinkPredic