多屬性隨機(jī)游走在社會(huì)網(wǎng)絡(luò)中的應(yīng)用.pdf

1、隨著Web2.0技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)活動(dòng)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(luò)也愈發(fā)依賴，這意味著互聯(lián)網(wǎng)信息時(shí)代的迅猛發(fā)展。同時(shí)在各種移動(dòng)智能終端技術(shù)的推進(jìn)下，社交網(wǎng)絡(luò)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(jià)值的信息就具有了重要的理論價(jià)值和現(xiàn)實(shí)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(yù)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(yù)測方法應(yīng)運(yùn)而生并逐步推廣開來

2、。推薦系統(tǒng)就是以鏈接預(yù)測方法為基礎(chǔ)建立起來的，在實(shí)際社會(huì)網(wǎng)絡(luò)中的一種典型應(yīng)用。在推薦系統(tǒng)中，傳統(tǒng)的算法大多是根據(jù)節(jié)點(diǎn)的相似性進(jìn)行推薦，然而在實(shí)際社會(huì)網(wǎng)絡(luò)中，節(jié)點(diǎn)的大部分信息通常是隱藏的，因此導(dǎo)致傳統(tǒng)的推薦算法難以社會(huì)網(wǎng)絡(luò)中的推薦需求。所以，如何充分地利用社會(huì)網(wǎng)絡(luò)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(gè)非常重要且有價(jià)值的研究問題。
　　本文通過學(xué)習(xí)社會(huì)網(wǎng)絡(luò)相關(guān)理論，對應(yīng)用于社會(huì)網(wǎng)絡(luò)推薦與鏈路預(yù)測的多種算法進(jìn)行了分析。發(fā)現(xiàn)

3、隨機(jī)游走算法具有邏輯簡潔、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，因而在各種社會(huì)網(wǎng)絡(luò)中已得到了廣泛的應(yīng)用，且在鏈接預(yù)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(jìn)一步結(jié)合了實(shí)際社會(huì)網(wǎng)絡(luò)的特性，對傳統(tǒng)的隨機(jī)游走進(jìn)行了針對性的改進(jìn)。首先，將拓?fù)浣Y(jié)構(gòu)的相關(guān)屬性加入隨機(jī)游走模型中，發(fā)現(xiàn)改進(jìn)后的隨機(jī)游走模型在鏈接預(yù)測中展現(xiàn)出了明顯的性能提升，從而進(jìn)一步把隨機(jī)游走算法推廣到推薦系統(tǒng)中。接著，考慮到實(shí)際社會(huì)網(wǎng)絡(luò)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(jī)游走算法中以提高推薦的精準(zhǔn)度。另一方面，考慮到社會(huì)網(wǎng)絡(luò)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(diǎn)隱藏屬性的挖掘。LDA將首先對社會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行主題劃分，并將得到的主題標(biāo)記節(jié)點(diǎn)的隱藏屬性，這些隱藏屬性作為輔助信息來進(jìn)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(jī)游走模型在鏈接預(yù)測上的應(yīng)用，本文首

5、先分析并討論了各種鏈接預(yù)測算法，并將拓?fù)浣Y(jié)構(gòu)屬性融入到隨機(jī)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(gè)常用數(shù)據(jù)集上進(jìn)行了多種算法的對比實(shí)驗(yàn)，以此來分析各種算法的優(yōu)勢與劣質(zhì)。對比結(jié)果顯示，本文提出的基于隨機(jī)游走的CN-LRW算法和CN-RWR算法在鏈接預(yù)測中均提供了較其他方法更為準(zhǔn)確的預(yù)測結(jié)果。因而證明了在隨機(jī)游走算法的基礎(chǔ)上，通過融合社會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)的隱含信息能夠有效地提高鏈接預(yù)測的準(zhǔn)確性。
　　

6、本文針對隨機(jī)游走模型在推薦系統(tǒng)上的應(yīng)用，構(gòu)建了可以反映社會(huì)網(wǎng)絡(luò)中用戶-用戶以及用戶-項(xiàng)目之間關(guān)系的User-Item(UI)二部圖，隨后利用LDA來挖掘出項(xiàng)目和項(xiàng)目之間的潛在聯(lián)系，然后在整個(gè)異質(zhì)網(wǎng)絡(luò)上通過MA-RWR算法來對用戶進(jìn)行項(xiàng)目推薦。通過在CiteULike數(shù)據(jù)集和last.fm數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，融入多種關(guān)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(huì)關(guān)系的影響，而且實(shí)驗(yàn)中融入