在线社交网络的UNI64采样方法.pdfVIP

计 算 机 系 统 应 用 http：／／www．c—S-a．org．ca 2Ol4年 第23卷 第 12期 在线社交网络的UNI64采样方法① 许南山，李 浩，卢 罡 (北京化工大学 信息科学与技术学院，北京 100029) 摘 要：在对社交网络采样方法进行研究时，常以拒绝．接受采样法得到的样本作为对照来评价其他采样方法的 优劣．由于各种在线社交网络陆续将其用户ID系统由32位升级为 64位，导致拒绝．接受采样法的采样命中率近 乎为零．本文根据在线社交网络的特点，以新浪微博为例，对其用户 JD分布情况进行分析，提出了一种改进的拒 绝一接受采样法UNI64．该方法通过分析网络有效ID样本的分布情况，结合聚类的方法将整个样本空间划分为有 效区间和无效区问，并使采样算法避开无效区间，仅在有效区间内生成待测样本，从而有效提高了拒绝．接受采 样法在有效样本极为稀疏的样本空间内采样的命中率． 关键词：在线社交网络；采样方法；随机采样；新浪微博；层次聚类 UNI64SamplingM ethodonOnlineSocialNetworks xu Nan-Shan，LIHao，LU Gang (CollegeofInformationScienceandTechnology,BeijingUniversityofChemicalTechnology,Beijing100029，China) Abstract：Whenstudyingthesamplingmethodsononlinesocialnetworks，samplescollectedbyacceptnace—rejection m ethodareusuallyusedashte “groundtruth’toestimatetheprosandconsofohtersma plingmethods．Theacceptance ． rateoftheoriginalacceptalice—rejectionmethodslumpsdramaticallysinceOSNsitesupdatedtheiruserIDfrom32bitto 64bit．AccordingtothecharacteristicsofonlinesocialnetworksandtakingSinaWeiboforexample，weanalyzedthe distributionofuserIDsinSinaWeibo，nadproposedallimprovedacceptance-rejectionmethodcalledUNI64．Inhtis method，theuserID spaceisdivided intovalid intervalsandvacantintervalsbyanalyzingthedistributionofvalid sampleIDsandutilizingclustermethod．ThesamplingmethodgeneratescandidateIDsonlyinvalidintervals，SOthat theacceptanceratecouldbeeffectivelyimprovedeveninasparse-distributeduserID space． Keywords：onlinesocialnetworks；samplingmethod；random sampling；SinaWeibo；hierarchicalcluster l 引言 演化、用户行为分析，以及信息传播模型研究等方面 在线社交网络(OnlineSocialNewtorks，OSN)作为 取得了一定的成果 l【． Web2．0时代网络应用的杰出代表，在近十年时间内 绝大多数对在线社交网络的实证性研究都要以真 迅速蔓延全球．以Facebook、Twitter为代表的新型社 实的网络节点和结构数据为基础I5’】，然而获取这些数 交网络的出现使在线社交网络用户数量呈现爆炸型增 据并不容易．出于商业机密、用户隐私等原因，在线社 长．据统计全球Facebook注册用户已达 14亿．而在国 交网络的服务提供商不可能将其全网数据提供