融入网络结构与社交习惯的不对称用户关系强度计算

被引：12

作者：

琚春华 ^{[1
,2
]}

陈彦 ^{[2
]}

鲍福光 ^{[1
,2
]}

机构：

[1] 浙江工商大学现代商贸研究中心

[2] 浙江工商大学管理工程与电子商务学院

来源：

系统工程理论与实践 | 2018年 / 38卷 / 08期

关键词：

不对称性; 网络结构; 社交习惯; 用户关系强度;

D O I：

暂无

中图分类号：

TP393.02 [];

学科分类号：

摘要：

伴随着大量用户内容的创建和交换,社交网络平台中产生了大规模的互动数据和复杂的用户关系,受到了越来越多研究者的关注.但是现有对关系强度研究多是从用户特征属性相似度和社交行为两方面进行,忽略了网络结构对关系强度的影响,且并未考虑社交行为存在的方向性和习惯性问题.基于此,本文提出了不对称的社交网络用户关系强度计算方法(DSTS-ATI),该方法融合用户特征属性相似度、网络结构连接强度、社交行为交互强度三个维度来综合计算用户关系.在计算网络拓扑结构连接强度时,不仅考虑了用户间邻居节点数,还考虑了邻居节点连接边数.社交互动行为发生的方向性和习惯性,会影响用户对关系强度的感知,因此本文计算出不同社交行为的贡献权重,从交互双方感知用户社交强度.实验证明,本文提出的不对称用户关系强度的方法能够提高用户关系强度预测的准确性,有助于微博意见领袖的发现和信息传播机制的研究.

引用

页码：2135 / 2146

页数：12

共 21 条

[1] 基于霍克斯过程的社交网络用户关系强度模型
于岩
陈鸿昶
于洪涛
[J]. 电子学报, 2016, 44 (06) : 1362 - 1368
[2] 微博中特定用户的相似用户发现方法
仲兆满
胡云
李存华
刘宗田
[J]. 计算机学报, 2016, 39 (04) : 765 - 779
[3] 社交网络研究综述
李立耀
孙鲁敬
杨家海
[J]. 计算机科学, 2015, 42 (11) : 8 - 21+42
[4] 社交网络用户隐私量化研究:建模与实证分析
朱涵钰
吴联仁
吕廷杰
[J]. 清华大学学报(自然科学版), 2014, 54 (03) : 402 - 406
[5] 微博用户的相似性度量及其应用
徐志明
李栋
刘挺
李生
王刚
袁树仑
[J]. 计算机学报, 2014, 37 (01) : 207 - 218
[6] 微博关注关系网络K-核结构实证分析
白林根
谌志群
王荣波
黄孝喜
[J]. 现代图书情报技术, 2013, (11) : 68 - 74
[7] 基于情境聚类和用户评级的协同过滤推荐模型
邓晓懿
金淳
韩庆平
樋口良之
[J]. 系统工程理论与实践, 2013, 33 (11) : 2945 - 2953
[8] Influence of edge weight on node proximity based link prediction methods: An empirical analysis[J] . Niladri Sett,Sanasam Ranbir Singh,Sukumar Nandi.Neurocomputing . 2016
[9] Impact of tie strength and experience on the effectiveness of online service recommendations[J] . Dong-Mo Koo.Electronic Commerce Research and Applications . 2016
[10] Predicting individual retweet behavior by user similarity: A multi-task learning approach[J] . Xing Tang,Qiguang Miao,Yining Quan,Jie Tang,Kai Deng.Knowledge-Based Systems . 2015

← 1 2 3 →