【技术实现步骤摘要】
本专利技术涉及，属于计算机数据挖掘
技术介绍
社交网络在近些年得到了飞速的发展，也受到了许多研究人员的重视。其中社交网络的形成与演化过程研究一直都是一项有意义而且有挑战的工作。已有的工作主要从两个方面来研究社交网络的形成与演化。一方面，人们以社交网络演化中在某一时刻的快照或者多个时刻的快照为对象，研究社交网络的宏观结构特征变化；另一方面，人们关注社交网络发展的微观模式，并发现了许多的模式用以解释和分析人们如何交朋友。这样的模式包括偏好依附(Preferential Attachment)、三元闭合(triadic closure)、互惠(Reciprocity)、同质性(Homophily)等等,其中三元闭合(triadic closure)是社交网络的链接形成中最普遍的现象之一，其社会学原理是朋友关系的传递性(the transitivity offriendship),即两个有公共朋友的人更可能成为朋友。朋友关系的传递性已经被证明可以用于对网络演化过程进行建模以及预测未来的链接形成，然而这一性质在网络演化过程中所起的作用并没有得到很深的探究。学者Simmel分析了在这样三元结构中三个参与者的角色，并且指出第三个人一般扮演着中介人或者协调者的作用。然而，其中还是不清楚第三个人是如何影响、促使另外两个人成为朋友的。学者D. Yin等人在链接预测问题中考虑了中介人的作用，并且把链接产生看作是中间人“潜在的推荐”的结果。他们在矩阵分解中引入了中介人潜在推荐这一潜在的维度，然而这一分析是对于静态网络进行的，没有考虑到网络的发展以及中介人在微观上对于网...
【技术保护点】
一种社交网络中的朋友关系传递树的建立方法，其特征在于该方法包括以下步骤：（1）设社交网络中有多个用户，每个用户有多个朋友，将用户记为自我节点u，将该用户的朋友记为朋友节点v，为社交网络中的自我节点u，创建一个自我节点u的朋友关系传递树，在该朋友关系传递树中添加自我节点u和自我节点u的所有朋友节点；（2）按照时间，将自我节点与朋友节点之间的交互数据按交互的时间划分为N段，对于与第i段交互对应的时间段Ti，执行步骤（3）?（9），i=1，2，……，N；（3）对于时间段Ti，建立如下社交行为概率生成模型：（3?1）设社交网络中的总用户数为U，社交网络中每个自我节点u的交互行为数为Vu，社交网络中每个自我节点u的新交朋友数为Nu；（3?2）分别用先验参数为的狄利克雷分布表示社交网络中每个自我节点u的好友关系强度分布的先验分布，从该狄利克雷分布中采样得到社交网络中自我节点u在时间段Ti的好友关系强度分布（3?3）从上述好友关系强度分布中，采样得到社交网络中每个自我节点u的每次交互对象x；（3?4）分别用先验参数为的狄利克雷分布表示社交网络中每个自我节点u的中介偏好概率分布的先验分布，从该狄利克雷...
【技术特征摘要】
1.一种社交网络中的朋友关系传递树的建立方法，其特征在于该方法包括以下步骤: (1)设社交网络中有多个用户，每个用户有多个朋友，将用户记为自我节点U，将该用户的朋友记为朋友节点V，为社交网络中的自我节点U，创建一个自我节点u的朋友关系传递树，在该朋友关系传递树中添加自我节点u和自我节点u的所有朋友节点； (2)按照时间，将自我节点与朋友节点之间的交互数据按交互的时间划分为N段，对于与第i段交互对应的时间段Ti,执行步骤(3)- (9),i=l,2,……,N； (3)对于时间段Ti,建立如下社交行为概率生成模型: (3-1)设社交网络中的总用户数为U，社交网络中每个自我节点u的交互行为数为\，社交网络中每个自我节点u的新交朋友数为Nu ； (3-2)分别用先验参数为/Jfi)的狄利克雷分布表示社交网络中每个自我节点u的好友关系强度分布的先验分布，从该狄利克雷分布中采样得到社交网络中自我节点u在时间段Ti的好友关系强度分布 (3-3)从上述好友关系强度分布中，采样得到社交网络中每个自我节点u的每次交互对象X ； (3-4)分别用先验参数为的狄利克雷分布表示社交网络中每个自我节点u的中介偏好概率分布的先验分布，从该狄利克雷分布中采样得到社交网络中自我节点u在时间段Ti的中介偏好概率分布 (3-5)分别从上述中介偏好概率分布0^^中采样得到社交网络中每个自我节点u的中 介人...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。