基于用户质量的关注关系预测.pdfVIP

钎 ．笼 -7升 友 文章编号：1007—1423(2015)03—0003—04 DOI：10．3969~．issn．1007-1423．2015．03．001 基于用户质量的关注关系预测 李旺龙 ．李 (四川大学计算机学院，成都 610065) 摘要 ： 链接预测是当前信息网络研究中的热点问题 ，旨在关注如何通过 已知的网络结构等信息预测网络中尚未产生连边的 两个节点之间产生链接的概率 ，链接关系包含好友关系、follow关系、@关系。提出基于用户质量的关注关系链接预测 的新方法LPR．基于真实数据的实验表明，LPR方法较基于局部信息相似性和路径相似性的方法 ，有较大的提升。 关键词 ： 用户质量：相似性；链接预测；微博 基金项 目： 国家 自然科学基金 (N0、国家 “十二五”科技支撑计划项 目(No．2012BAG04B02)、武汉大学软件工程国家 重点实验室开放基金项 目(No．SKLSE2012—09～26) 0 引言 (1)网络中的信息传播[61会对链接关系的产生有巨 大影响．微博中用户链接关系的产生往往是基于微博 微博中的链接关系包含好友关系 、follow关系、@ 的发出与转发．微博被转发的次数与该微博的发出者 关系等 这些关系均为有 向关系，可表示为一个有 向 被其他用户看到的概率成正 比 图 微博是一种典型的异构信息网络I1I。用户和微博可 (2)社会学 中的重要规律现象．如马太效应 、二八 看作网络中的节点．用户间、用户与微博问可有不同类 定律阎等．很难用相似性简单表征 在社会 网络中占据 型的链接关系 链接预测是当前信息网络研究中的热 较多资源或者处于较核心地位的人 ．会利用资源优势 点问题 ．旨在关注如何通过 已知的网络结构等信息预 扩充 自己的资源 。对微博 中的链接关系而言．粉丝较多 测网络 中尚未产生连边 的两个节点之间产生链接 的概 的用户 ．会吸收更多的粉丝。 率2[1链接预测在不同的场景中有不同的应用和价值 。 本文针对上述问题进行了研究 ．提出微博异构信 例如．在犯罪分子网络中，链接预测可用来发现潜在的 息网络中用户链接关系的预测新算法LPR fLinkPre． 犯罪分子 ：在社交网络中，链接预测可指示用户间建立 dictionRegression)。该算法利用逻辑 回归 (Logisticre． 好友关系的可能性．为用户提供好友推荐。另外 ，链接 greSSion)[1o方／法计算链接关系产生的概率 的产生隐含着 网络结构 的演化 ．抓住链接关系产生规 律往往能揭示 网络 的演化趋势 1 问题定义 常用的链接预测方法多是基于节点相似性进行链 定义 G(V；E；P)为一个属性图，其 中V为节点集 接预测 ，这些相似性包括用户属性相似性翻、局部拓扑 合，E为有向边集合 ．P为节点和边的属性集合 网络总