多屬性隨機游走在社會網(wǎng)絡中的應用.pdf

1、隨著Web2.0技術的飛速發(fā)展，互聯(lián)網(wǎng)活動已經(jīng)成為人們生活密不可分的一部分，人們對社交網(wǎng)絡也愈發(fā)依賴，這意味著互聯(lián)網(wǎng)信息時代的迅猛發(fā)展。同時在各種移動智能終端技術的推進下，社交網(wǎng)絡上的各種各樣的信息數(shù)據(jù)成爆炸性增長，如何從海量的數(shù)據(jù)中精確挑選出對用戶有價值的信息就具有了重要的理論價值和現(xiàn)實意義。在此形勢下，人們往往需要從海量數(shù)據(jù)中挖掘出已有信息來預測未來的信息及其發(fā)展趨勢來滿足對信息的需求，以此為背景，鏈接預測方法應運而生并逐步推廣開來

2、。推薦系統(tǒng)就是以鏈接預測方法為基礎建立起來的，在實際社會網(wǎng)絡中的一種典型應用。在推薦系統(tǒng)中，傳統(tǒng)的算法大多是根據(jù)節(jié)點的相似性進行推薦，然而在實際社會網(wǎng)絡中，節(jié)點的大部分信息通常是隱藏的，因此導致傳統(tǒng)的推薦算法難以社會網(wǎng)絡中的推薦需求。所以，如何充分地利用社會網(wǎng)絡中的各種已知信息來提高用戶推薦的精確度，已經(jīng)成為一個非常重要且有價值的研究問題。
　　本文通過學習社會網(wǎng)絡相關理論，對應用于社會網(wǎng)絡推薦與鏈路預測的多種算法進行了分析。發(fā)現(xiàn)

3、隨機游走算法具有邏輯簡潔、易于實現(xiàn)等優(yōu)點，因而在各種社會網(wǎng)絡中已得到了廣泛的應用，且在鏈接預測和推薦系統(tǒng)中更是得到眾多研究者的青睞。因此，本文進一步結合了實際社會網(wǎng)絡的特性，對傳統(tǒng)的隨機游走進行了針對性的改進。首先，將拓撲結構的相關屬性加入隨機游走模型中，發(fā)現(xiàn)改進后的隨機游走模型在鏈接預測中展現(xiàn)出了明顯的性能提升，從而進一步把隨機游走算法推廣到推薦系統(tǒng)中。接著，考慮到實際社會網(wǎng)絡中的用戶往往包含多種對推薦系統(tǒng)存在直接影響的隱藏屬性，本文

4、將多種隱藏屬性融入到隨機游走算法中以提高推薦的精準度。另一方面，考慮到社會網(wǎng)絡中的諸多隱藏屬性潛在于文本信息中，本文引入了能充分挖掘文本潛在信息的Latent Dirichlet Allocation（LDA）主題模型來輔助節(jié)點隱藏屬性的挖掘。LDA將首先對社會網(wǎng)絡中的節(jié)點進行主題劃分，并將得到的主題標記節(jié)點的隱藏屬性，這些隱藏屬性作為輔助信息來進一步完善推薦系統(tǒng)，從而更好地提高推薦系統(tǒng)的性能。針對隨機游走模型在鏈接預測上的應用，本文首

5、先分析并討論了各種鏈接預測算法，并將拓撲結構屬性融入到隨機游走算法中，提出了CN-LRW算法和CN-RWR算法?；谔岢龅膬煞N算法，本文三個常用數(shù)據(jù)集上進行了多種算法的對比實驗，以此來分析各種算法的優(yōu)勢與劣質(zhì)。對比結果顯示，本文提出的基于隨機游走的CN-LRW算法和CN-RWR算法在鏈接預測中均提供了較其他方法更為準確的預測結果。因而證明了在隨機游走算法的基礎上，通過融合社會網(wǎng)絡節(jié)點的隱含信息能夠有效地提高鏈接預測的準確性。
　　

6、本文針對隨機游走模型在推薦系統(tǒng)上的應用，構建了可以反映社會網(wǎng)絡中用戶-用戶以及用戶-項目之間關系的User-Item(UI)二部圖，隨后利用LDA來挖掘出項目和項目之間的潛在聯(lián)系，然后在整個異質(zhì)網(wǎng)絡上通過MA-RWR算法來對用戶進行項目推薦。通過在CiteULike數(shù)據(jù)集和last.fm數(shù)據(jù)集上的實驗結果表明，融入多種關系之后的MA-RWR算法能有效地提高推薦系統(tǒng)的性能，體現(xiàn)出用戶的興趣偏好在一定程度上受到社會關系的影響，而且實驗中融入