一种自动发现社交网络中社交圈算法实验设计与分析.docVIP

一种自动发现社交网络中社交圈算法的实验设计与分析 　　摘要：本文对依据一种新颖的识别用户社交圈的方法所建模型?M行了实验设计及分析。将朋友之间相互网络联系视为用户个人网络上的点聚类问题，同时结合网络结构和用户资料信息开发了一种检测社交圈的模型，对于每个聚集可分析其成员以及特定用户信息的相似性度量，通过对多重社交圈建立的点关系模型，可以发现重叠和分层嵌套的社交圈。通过真实数据来验证模型的性能，实验结果表明，本文所建模型可以准确识别社交圈中多样化数据的归属集合。 　　关键词：社交圈；聚类问题；分层嵌套 　　中图分类号：TP311 文献标志码：A 文章编号：1009-3044（2018）15-0045-02 　　1引言 　　如何组织庞大而凌乱的个人社交网络是具有挑战性的问题，社交网站允许用户手动将他们的朋友分配到各社交圈，如微信的“朋友圈”，人人网的“好友”等。用户借助社交网站来组织网络和交流，将朋友分类到所谓的社交朋友圈，几乎所有的社交网站提供了这样的功能。构建这样的社交圈不但要耗费用户大量的精力，而且随着用户社交圈的扩大，随时更新的代价惊人。目前构建如上社交圈的方法都不尽如人意，我们项目组在文献[1]中提出一种自动发现社交网络中社交圈的方法，通过在真实数据集上评估，与Streich等提出的多任务聚簇算法[2]，Yoshida等提出的低秩嵌入算法[3]，Balasubramanya和Cohen提出的block-LDA算法[4，5]进行对比，本方法依靠结合点和边的信息来预测多元朋友圈中的成员，具有良好的性能。 　　2实验用数据集 　　为了在真实数据集上评估非监督算法，本文从微信、Google+和人人网等三个主要社交网络获得个人网络和真实数据，包含193个朋友圈和4039个用户。我们开发了专门的微信应用程序对10个用户进行调查，要求他们手动确定其朋友应该属于哪个朋友圈。平均来说，用户大概会确定19个朋友圈，圈内成员平均22个。 　　从Google+上获得了133个个人网络，包括479个朋友圈和106674个用户。这133个个人网络代表了所有Google+中至少分享两个朋友圈的133个用户，并且这些人的网络信息是公开的。与微信上的朋友圈不一样，有些Google+社交圈的创建者已选择公开它们，Google+是一个有向网络。比如，一个圈包含2012年最有影响的歌星候选人，他们可能不会反过来跟随他们的粉丝。 　　从人人网上得到1000个个人网络，包括4896个圈和81362个用户，选的个人网络的大小是10到4964个节点。全部数据共有1143个个人网络，5541个社交圈和192075个用户。其中微信的数据是完全标记的，其本质上用户认为具有凝聚力的社区朋友圈，而Google+和人人网上的数据只是部分被标记，即只能使用公共圈。 　　3 构建特征集 　　所有的数据集信息都可以表示成一个树，其中每层编码表示越来越多的特定信息。对于Google+数据，从6个方面收集数据（性别、姓名、头衔、机构、大学和居住地）。对于微信上数据，从26个方面收集数据，包括籍贯、生日、同事、政治面貌等。对于人人网，简单地从两个方面收集数据，即两周内用户用到的组标签和提示。“类别”对应于概要树里叶子节点的父节点。 　　首先描述如何用一个差别向量为两个用户之间的关系编码。假设每个用户[v∈V]都有一个相关的信息树[Tv]，并且[l∈Tv]是树中的叶子。定义用户x和y的差别向量[σx，y]是一个二进制指示器反映x和y之间的差异： 　　[σx，y[l]=δ（（l∈Tx）≠（l∈Ty））] （1） 　　上述差别向量在信息编码粒度方面有一定优势，但是它的不足在于维数太高（多达4122维）。解决这个问题的一种方法是基于叶节点的父节点来形成差别向量。对两个用户信息的共同类别进行编码，不考虑具体值。例如，关注编码两个用户共同拥有多少个标签，而不在乎到底是哪一个标签： 　　[σ′x，y[p]=l∈children（p）σx，y[l]] （2） 　　这种方案的优势在于它只需一个固定数量的维度，而不管个人网络的大小（如上所述，微信有26个，Google+有6个，人人网有2个）。 　　现在描述如何根据差别向量[σx，y]（和[σ′x，y]）得到边特征[?（x，y）]。希望构建的第一个属性是圈内的成员应该彼此有常见的关系： 　　[?1（x，y）=（1；-σx，y）] （3） 　　第二个属性是圈内成员应该与个人网络的拥有常见的关系： 　　[?2（x，y）=（1；-|σx，u-σy，u|）] （4） 　　这两个参数允许评估哪种机制更适合捕捉用户对聚集的主观定义。两种属性都有一个常量特性“1”，用来控制用户在同一个朋友圈的可能性，或者度量哪个朋友圈在更大程度上由朋