标签传播算法在社会网络中的应用研究.docVIP

标签传播算法在社会网络中的应用研究 　　摘 要： 近年来，社会网络簇结构挖掘取得了长足的进展，广泛应用在社会网、生物网和万维网等领域中。如何挖掘社会网络中各种潜在结构和信息成为研究热点。标签传播算法是一种能够利用少量已标记节点的标签信息去预测大量的未标记节点的标签的半监督学习算法。介绍了标签传播算法理论，给出了标签算法的特点，总结了标签传播算法在社会网络中的应用及发展趋势。 　　关键词： 标签传播； 社区发现； 社会网络 　　中图分类号： TP301 文献标识码： A 文章编号：2095-2163（2013）03-0037-04 　　Applied Research of Label Propagation Algorithm in Social Network 　　LUO Qiubin， ZHU Hong， LI Yunhui， CONG Eryong 　　（College of engineering， Harbin University， Harbin 150086， China） 　　Abstract： In the recently years， detecting communities of social networks has made considerable progress， has been widely applied in the social networks， World Wide Web， biological networks and many other fields. How to tap the potential structure and information in social networks has been known as hotspot.The label propagation algorithm （LPA） is a graph-based semi-supervised learning algorithm， which can predict the information of unlabeled nodes by a few of labeled nodes. This paper introduces the theoretical study of label propagation algorithm， provides its characteristics， and summarizes its applications and trends of developments in social network. 　　Key words： Label Propagation； Community Discovery； Social Network 　　0 引 言 　　在Web2.0技术高度普及的信息化时代，人们利用互联网去查找、发布和共享信息，通过这种交互信息方式实现个人交际圈的延伸和扩展。从数据挖掘观点来看，社会网络是由图表示的个体关系的数据集。图中的节点表示网络中的对象或者个体，图中的边线表示网络中对象之间的联系或者相互作用的连接关系；节点和边都可以带有属性，可以具有类标号，链接一般是单向的但不必是二元的，这种表示图一般很大。显然，图论中的图为社会网络的研究提供了一种直观表现形式[1]。半监督学习（Semi-Supervised Learning， SSL）是一种将监督学习和无监督学习相结合的方法，其主要思想是：基于数据分布上的模型假设，利用少量的已标注数据进行指导并预测未标注数据的标记，再整合归并至标记的数据集中[2]。标签传播算法[3]（label propagation algorithm， LPA）是由Zhu于2002 年提出，就是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。 　　本文简要介绍了该算法的基本理论和特点，分析了其在社会网络中的主要应用，讨论其优缺点，并给出了可能的发展方向。 　　1 标签传播算法 　　1.1 基本理论 　　标签传播算法利用样本间的关系，建立关系完全图模型，在完全图中，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点，标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。由于该算法简单易实现，执行时间短，复杂度低且分类效果好，引起了国内外学者的广泛关注和积极投入，并将其广泛地应用到多媒体信息分类、虚拟社区挖掘等各类热点领域中。 　　根据LPA 算法基本理论，每个节点的标签按相似度传播给相邻节点，在节点传播的每一步，每个节点根据相邻节点的标签来更新自己的标签，与该节点