面向社会网络融合的关联用户挖掘方法综述

被引：14

作者：

周小平 ^{[1
,2
]}

梁循 ^{[1
]}

赵吉超 ^{[1
]}

李志宇 ^{[1
]}

马跃峰 ^{[1
]}

机构：

[1] 中国人民大学信息学院

[2] 北京建筑大学电气与信息工程学院

来源：

软件学报 | 2017年 / 28卷 / 06期

基金：

北京市自然科学基金;

关键词：

社会网络; 社会网络融合; 关联用户; 用户属性; 用户关系;

D O I：

10.13328/j.cnki.jos.005249

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

现阶段大多数社会网络的研究都集中于单一的社会网络内部.社会网络融合为社会计算等各项研究提供更充分的用户行为数据和更完整的网络结构,从而更有利于人们通过社会网络理解和挖掘人类社会,具有重要的理论价值和实践意义.准确、全面、快速地关联用户挖掘,是大型社会网络融合的根本问题.社会网络中的关联用户挖掘旨在通过挖掘不同社会网络中同属于同一自然人的不同账号,从而实现社会网络的深度融合,近年来已引起人们的广泛关注.然而,社会网络的自身数据量大、用户属性相似、稀疏且存在虚假和不一致等特点,给关联用户挖掘带来了极大的挑战.分析了面向社会网络融合的关联用户挖掘所存在的困难,从用户属性、用户关系及其综合这3个方面梳理了当前关联用户挖掘的研究现状.最后,总结并展望了关联用户挖掘的研究方向.

引用

页码：1565 / 1583

页数：19

共 23 条

[1] 基于R-C模型的微博用户社区发现 [J].

周小平 ;

梁循 ;

张海燕 .

软件学报, 2014, 25 (12) :2808-2823

[2] 模式无关的社交网络用户识别算法 [J].

叶娜 ;

赵银亮 ;

边根庆 ;

李健 ;

何箐 .

西安交通大学学报, 2013, (12) :19-25

[3] 基于遗传算法的复杂网络节点匹配问题 [J].

徐钦 .

黑龙江科技学院学报, 2011, 21 (03) :244-248

[4] 一种跨平台微博社区账户匹配方法 [P].

李晓菲 ;

梁循 ;

周小平 ;

施晓菁 ;

申华 ;

张海燕 .

中国专利 :CN104765729A ,2015-07-08

[5]

社会计算[M]. 机械工业出版社 , 唐磊, 2012

[6] Effective Social Graph Deanonymization Based on Graph Structure and Descriptive Information [J].

Fu, Hao ;

Zhang, Aston ;

Xie, Xing .

ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2015, 6 (04)

[7] A Fast Parallel Stochastic Gradient Method for Matrix Factorization in Shared Memory Systems [J].

Chin, Wei-Sheng ;

Zhuang, Yong ;

Juan, Yu-Chin ;

Lin, Chih-Jen .

ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2015, 6 (01)

[8]

A Generalized Fellegi–Sunter Framework for Multiple Record Linkage With Application to Homicide Record Systems[J] . Mauricio Sadinle,StephenE. Fienberg.Journal of the American Statistical Association . 2013 (502)

[9]

Business Intelligence and Analytics: From Big Data to Big Impact[J] . MIS Quarterly . 2012 (4)

[10]

Role of social media in online travel information search[J] . Zheng Xiang,Ulrike Gretzel.Tourism Management . 2009 (2)

← 1 2 3 →