面向社会网络的关系挖掘算法研究-计算机应用技术专业毕业论文.docx

万方数据 万方数据 分类号： 密级： U D C ： 编号： 工学博士学位论文 面向社会网络的关系挖掘算法研究 博士研究生 ：申国伟 指导教师 ：杨 武 教授 学位级别 ：工学博士 学科、专业 ：计算机应用技术 所在单位 ：计算机科学与技术学院 论文提交日期 ：2015 年 4 月 论文答辩日期 ：2015 年 6 月 学位授予单位 ：哈尔滨工程大学 万方数据 万方数据 Classified Index: U.D.C: A Dissertation for the Degree of D.Eng The Research on Relation Mining Algorithms Oriented to Social Network Candidate: Shen Guowei Supervisor: Prof. Yang Wu Academic Degree Applied for: Doctor of Engineering Specialty: Computer Applied Technology Date of Submission: April, 2015 Date of Oral Examination: June, 2015 University: Harbin Engineering University 万方数据 万方数据 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成 的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文 中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成 果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完 全意识到本声明的法律结果由本人承担。 作者（签字）： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工 作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机 构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数 据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公 布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注 明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文（□在授予学位后即可 □在授予学位 12 个月后 □解密后）由哈尔滨工 程大学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 面向社会网络的关系挖掘算法研究 面向社会网络的关系挖掘算法研究 哈尔滨工程大学博士学位论文 哈尔滨工程大学博士学位论文 万方数据 万方数据 万方数据 万方数据 摘 要 社会网络分析已经成为数据挖掘领域中研究的热点之一。随着研究的深入，社会网 络的概念也被逐步扩大，也出现了大量的社会网络平台。例如以好友关系为基础的 Facebook、人人等，以信息传播为基础的 Twitter、新浪微博等，以用户兴趣为基础的 Flick，豆瓣等，还包括以学者合作为基础的 DBLP 等等。用户每天在社会网络平台中产 生大量的实体及关系。社会网络中实体之间的关系是错综复杂的，通过挖掘实体间的潜 在关系，能够深入理解社会网络中的社区结构、信息传播、群体行为和社会舆情等。因 此，社会网络中的关系挖掘已经成为相关领域研究的的基础。 传统社会网络中的关系挖掘主要关注人及人之间的关系，而真实社会网络中的实体 除了包括人之外，还包含很多其他实体。例如知识图谱研究关注的概念实体，信息推荐 关注的项目、位置等。社会网络中的关系主要包括两类：同质关系和异质关系。两类关 系通常同时存在，并且是相互关联的。因此，实体和关系是社会网络关系挖掘算法关注 的焦点。从数据挖掘的视角出发，针对社会网络中实体间的复杂关系进行挖掘分析，能 够从结构、内容、行为等多角度理解社会网络。 本文从关系挖掘的角度出发，主要针对以下几个方面开展研究： 首先，社会网络中用户之间的社区特征、消息的话题相似性、用户行为的趋同性等 表现出大量的同质关系。针对社会网络中的同质关系很难在单一尺度下分析的问题，提 出了基于扩散小波的多尺度分析框架。在统一的框架下针对社会网络中的社区结构、话 题、用户行为等进行多尺度分析。 其次，针对大规模异质关系数据中的稀疏性和非平衡问题，提出了基于关联矩阵的 稀疏非负矩阵分解算法 HSNMF-CM。算法中选择异质关系对应的较小一类实体的相关 关系构建关联矩阵，既降低了矩阵的稀疏度，又提高了算法的处理效率。HSNMF-CM 在块坐标下降的框架下，通过稀疏约束下的高效投射算法快速