基于半监督学习的社交网络用户属性预测

被引：28

作者：

丁宇新 ^{[1
]}

肖骁 ^{[1
]}

吴美晶 ^{[1
]}

张逸彬 ^{[1
]}

董丽 ^{[2
]}

机构：

[1] 哈尔滨工业大学深圳研究生院

[2] 中国科学院计算所计算机体系结构国家重点实验室

来源：

通信学报 | 2014年 / 08期

关键词：

社交网络; 属性推测; 半监督学习; 信息安全;

D O I：

暂无

中图分类号：

TP309 [安全保密];

学科分类号：

081206 [计算机网络与安全];

摘要：

研究如何利用社交关系推测用户的隐藏属性(私隐信息),采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度。以"人人网"数据作为实验数据,对用户的兴趣与毕业学校进行预测,验证了方法的有效性。

引用

页码：15 / 22

页数：8