基于元路徑的對齊異構(gòu)社交網(wǎng)絡(luò)中的鏈路預測.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展、智能終端的普及以及多種社交平臺的出現(xiàn)，人們會參與到不同種類的社交網(wǎng)絡(luò)中，這導致只研究一個社交網(wǎng)絡(luò)向用戶進行實體（用戶、商品、位置等）推薦的方法已不是最佳。近年來，研究領(lǐng)域出現(xiàn)了對齊異構(gòu)社交網(wǎng)絡(luò)（aligned heterogeneous social networks）這一網(wǎng)絡(luò)模型，該模型能夠建立多個社交網(wǎng)絡(luò)的連接，這使得利用多個社交網(wǎng)絡(luò)數(shù)據(jù)進行推薦變得可能。然而對齊異構(gòu)社交網(wǎng)絡(luò)的推薦或預測工作仍處于起步階段，僅限

2、于少量種類的數(shù)據(jù)集和對應(yīng)的用戶-用戶鏈路預測和用戶-位置鏈路預測。另外現(xiàn)有研究考慮的特征或因素過于簡單，對于數(shù)據(jù)集中多種屬性的利用以及特征的處理和篩選并不成熟，預測空間較為局限，不適用于推薦場景，且預測結(jié)果不具有時間因果性。因此，本文提出部分對齊異構(gòu)社交網(wǎng)絡(luò)中的實體推薦問題，即用戶-實體的鏈路預測問題，主要分為以下研究內(nèi)容:
　　第一，提出了一個基于元路徑特征的對齊異構(gòu)社交網(wǎng)絡(luò)的鏈路預測框架。首先將該問題轉(zhuǎn)化為分類問題，并提出基于

3、元路徑的自動化特征提取方法;通過定義邊權(quán)值的多種計算方法進一步擴展元路徑特征個數(shù)，生成基于元路徑的初始特征集合;然后通過特征提取算法進行特征篩選，并生成最終的預測模型。
　　第二，提出了兩階段逐步向前貪心的特征選擇算法。該算法設(shè)計時結(jié)合了計算復雜度低的過濾模型及性能指標好的封裝模型的雙重優(yōu)勢，從全體特征中選取特征子集。實驗證明，該特征選擇方法較現(xiàn)有的特征選擇算法在計算時間、預測效果及模型復雜度上表現(xiàn)較好。
　　第三，基于上述

4、鏈路預測算法過程及關(guān)鍵步驟實現(xiàn)了對齊異構(gòu)社交網(wǎng)絡(luò)的實體推薦系統(tǒng)，系統(tǒng)實現(xiàn)了對齊異構(gòu)社交網(wǎng)絡(luò)的數(shù)據(jù)抓取、特征定義及生成、邊權(quán)值計算、特征計算、特征選擇算法以及模型生成，系統(tǒng)還設(shè)計了一個可視化界面以向用戶展示推薦結(jié)果。
　　利用原型系統(tǒng)，本文抓取了Foursquare和Twitter的數(shù)據(jù)集，并進行了Foursquare中用戶-用戶鏈路、用戶-位置鏈路以及Twitter中的關(guān)注者-被關(guān)注者鏈路的預測實驗。從最終建模的特征種類可以看出，