基于信任和相似標(biāo)簽的鏈接預(yù)測(cè)算法.pdf

1、社交網(wǎng)絡(luò)中的鏈接預(yù)測(cè)屬于數(shù)據(jù)挖掘的一個(gè)研究方向,社交網(wǎng)絡(luò)是由社會(huì)實(shí)體與他們之間關(guān)系組成的。鏈接預(yù)測(cè)的目的是從這種顯式的關(guān)系中找出那些隱藏的關(guān)系。傳統(tǒng)的數(shù)據(jù)挖掘通常是在實(shí)體屬性信息的基礎(chǔ)上進(jìn)行的,而鏈接預(yù)測(cè)是從實(shí)體關(guān)系這個(gè)角度出發(fā),對(duì)這些關(guān)系進(jìn)行挖掘。鏈接預(yù)測(cè)的應(yīng)用非常廣泛,在社會(huì)學(xué)領(lǐng)域中,它可以對(duì)社會(huì)演變過(guò)程進(jìn)行分析研究;在電子信息領(lǐng)域中,鏈接預(yù)測(cè)可以用來(lái)創(chuàng)建各種推薦系統(tǒng);在生物信息領(lǐng)域中,鏈接預(yù)測(cè)可以用來(lái)分析蛋白質(zhì)之間的相互作用。因此

2、,對(duì)社會(huì)網(wǎng)絡(luò)中的鏈接預(yù)測(cè)進(jìn)行研究具有非常重要的價(jià)值。目前,大多數(shù)的鏈接預(yù)測(cè)算法是從以下兩個(gè)角度進(jìn)行研究:一、相似性角度,即利用實(shí)體間的相似度進(jìn)行鏈接預(yù)測(cè),這些相似度函數(shù)大多是通過(guò)社交網(wǎng)絡(luò)的拓?fù)湫畔⑦M(jìn)行設(shè)計(jì)的。但是,現(xiàn)有的鏈接預(yù)測(cè)算法并沒(méi)有充分的應(yīng)用這些網(wǎng)絡(luò)拓?fù)湫畔?如共同鄰居算法(Common Neighbor),它僅僅利用了實(shí)體之間共同鄰居的個(gè)數(shù)作為相似度指標(biāo),而忽略了這些鄰居間的相互關(guān)系;二、信任角度,它利用了社交網(wǎng)絡(luò)中實(shí)體之間的拓

3、撲信息和屬性信息進(jìn)行鏈接預(yù)測(cè),但是,在信任度的計(jì)算過(guò)程中,這些算法總是平等的對(duì)待社交網(wǎng)絡(luò)中的每一個(gè)實(shí)體,而且一些信任計(jì)算方法具有一定的主觀性,如TidalTrust算法,它在計(jì)算信任度之前需要用戶對(duì)他們的直接鄰居進(jìn)行評(píng)分。另外,在二進(jìn)制信任網(wǎng)絡(luò)中,信任度只有兩種值(0表示不信任,1表示信任),從而不能夠真實(shí)的反映實(shí)體間的關(guān)系。
　　本研究主要內(nèi)容包括：⑴針對(duì)大多相似性算法沒(méi)有充分考慮網(wǎng)絡(luò)拓?fù)湫畔?本文設(shè)計(jì)了一個(gè)相似度計(jì)算方法,它考

4、慮了網(wǎng)絡(luò)節(jié)點(diǎn)間的屬性關(guān)系,而且在計(jì)算方法中引入余弦相似方法,使在考慮網(wǎng)絡(luò)節(jié)點(diǎn)屬性關(guān)系的同時(shí),不會(huì)忽略屬性間實(shí)際的文本相似度。⑵針對(duì)大多信任度計(jì)算方法總是平等的對(duì)待網(wǎng)絡(luò)中所有的節(jié)點(diǎn),而忽略了各網(wǎng)絡(luò)節(jié)點(diǎn)自身的特性,以及一些信任度計(jì)算方法具有一定主觀性等不足,提出了一個(gè)新的信任度計(jì)算方法,它以節(jié)點(diǎn)間的交互次數(shù)作為節(jié)點(diǎn)間的信任權(quán)重,這能更好的反映網(wǎng)絡(luò)中的節(jié)點(diǎn)關(guān)系。⑶提出一種基于信任和相似標(biāo)簽的鏈接預(yù)測(cè)算法(TAST),大多的鏈接預(yù)測(cè)算法只對(duì)具有