社交網絡中的消失鏈接預測問題初探.pdf

1、社交網絡已成為人們提供分享信息和相互交流重要途徑，社交網絡數據中蘊含了大量有價值的商業(yè)和社會行為信息，社交網絡數據挖掘已成為數據挖掘領域中一個重要研究領域。鏈接預測問題則是社交網絡數據挖掘中的核心問題之一，本論文擬對社交網絡中的鏈接預測問題展開深入研究?，F有大多數鏈接預測工作關注對未知鏈接和對未來鏈接的預測，然而對于網絡隨時間變化鏈接消失預測卻鮮有研究。本文針對網絡中鏈接消失的普遍現象，提出消失鏈接預測問題的兩類解決方法:基于鏈接強度的

2、消失鏈接預測和基于子圖轉移的消失鏈接預測。本文的主要研究工作如下:
　　(1)證實了社交網絡中鏈接消失的普遍現象，并探究網絡中鏈接消失的原因;
　　(2)提出無向圖上的基于鏈接強度的預測消失鏈接的方法，分別給出針對無權、有權和時序網絡上的消失鏈接預測指標。在此基礎上，將基于鏈接強度的預測方法擴展到有向圖情形，提出有向圖上的消失鏈接預測方法，分別給出針對有向無權、有向有權和有向時序網絡上的消失鏈接預測指標。實驗結果表明，經典鏈

3、接預測問題中計算節(jié)點相似度并不能作為消失鏈接的預測指標;與經典鏈接預測問題的觀察不同，權重在消失鏈接預測中起正面作用;時序信息能夠幫助更好地預測消失鏈接;
　　(3)分析網絡中子圖鏈接模式以及隨時間推移子圖之間轉移的規(guī)律，計算出子圖模式之間的轉移概率矩陣STM，提出基于子圖轉移矩陣STM的消失鏈接預測方案。實驗結果表明基于STM的消失鏈接預測方法能夠較好處理短時間間隔社交網絡數據的情況，并能夠獲得較好的預測結果，尤其時間窗口越小，