基于两阶段网络节点分类的校友个人信息预测-计算机应用技术专业论文.docxVIP

摘要摘要 摘要 摘要 在社交网络中，存在着大量的节点信息，同时又存在着数量更为巨大的节 点间的联系。由此基于社交网络的分析和挖掘成为一个热点研究内容，并从社 交网络中发现了更多有价值的信息和知识。 校友关系网络作为社会网络的一个应用，在校园的校友检索等应用中，占 有重要的地位。但是在校友关系网络建立的过程中经常存在着大量的信息缺失。 对校友关系网络中的节点属性进行预测是本文的主要工作。 本文首先列举了几种对社交网络中节点属性信息补充的方法，分析了每种 方法对数据的要求以及在社交网络中节点属性预测应用中的局限。然后使用BSP 聚类方法在较为完整的校友数据上完成了初步的验证实验。经分析，虽然BSP 聚类方法能支持网络数据，但是不能直接对节点的属性完成预测，需要通过规 则的方法完成预测。 本文应用社交网络的分类框架，在标注数据少，关系类型不明确的校友网 络上实验。本文实验引入互联网搜索结果，结合社交网络中的信息，根据定义 的两套规则抽取特征，实现校友学院信息的预测。为进一步提高标注数据在社 交网络中的贡献，提出了基于社交网络分类框架的半监督改进，提高了实验效 果，降低了校友网络分类对节点信息的敏感度。最后，给出了本文算法的复杂 度，分析了本文方法在并行运算中的可行性。 关键词：社交网络分类半监督学习校友应用 AbstractIn Abstract In the social network，there are a large number of nodes，while there 18 an eVen and mmmg haVe 盯eater mlmber of links between nodes．Social network analysis and knowledge been ahot research point，and found a lot of valuable information A1umni network，as a social network application，occupies a11 important posltlon a lot of 锄ong me applications of the alumni search．But there is often mlssmg node infomation in the process of establishing alumni relation network·To Predlct attributes in the alumni relation network，is the main work In thls paper‘ the aluml First，this p印er listed several methods of predicting node attributes m relation network，analysis data requirements and the limitations of these methods· Valldatlon Then using BSP clustering method has completed the preliminary method supports exp砸ments on a comprehensive dataset．Though BSP clustering without the networ_k data，it cannot implement predicting node attributes directly assistance of the rule method· on social network on the nis paper used classification framework based ne network data，which has a little labeled data and some unknown relatlonshlps·l experience used internet search results， combined with informatlon from soclal networking，extracted features according two sets of rules，and completed couege info咖ation forecast of A1urllllus．For improving the contribution of labeled data m a social networks，this paper proposed semi-supervised lea