随着社会与科学技术的飞速发展,社交网络在生活、娱乐和工作方面给人们带来了极大的便利。但由于社交网络的飞速发展,其中的用户数量以及信息的更新速度正在以指数级增长,这也导致了社交网络中的用户间的信任问题日益突出。本文主要从两个不同的角度研究社交网络中用户之间信任度量问题,研究内容如下。(1)改进了传统基于社交网络用户节点上下文信息的相邻用户间信任度量模型,在相似度计算方面,细化了传统用户相似度的计算方式,结合用户的基本信息相似度和用户兴趣标签相似性来提高模型计算结果的合理性,同时又引入用户之间的共同好友数作为衡量用户间是否存在信任关系的影响因素之一,最后在腾讯微博用户数据上验证了改进模型的有效性。(2)提出基于网络表示学习的信任预测模型,使用网络表示学习中的网络嵌入算法抽取社交网络中节点的特征,结合深度自编码模型实现了信任预测模型。分别在Epinions和Ciao数据集上与其它信任预测模型进行对比,实验结果表明文中提出的信任预测模型的预测准确度得到了进一步的提升,并且可有效缓解因信任数据稀疏性导致的预测不准确的问题,还在一定程度上提高了信任预测的实时性和可扩展性。(3)将信任模型和协同过滤推荐算法相结合应用于电影推荐系统中,基于python的Django框架进行了系统实现。
基本信息
| 题目 | 社交网络环境下信任模型的研究与应用 |
| 文献类型 | 硕士论文 |
| 作者 | 王汉旭 |
| 作者单位 | 北方民族大学 |
| 导师 | 姜久雷,梁明道 |
| 文献来源 | 北方民族大学 |
| 发表年份 | 2020 |
| 学科分类 | 信息科技 |
| 专业分类 | 计算机软件及计算机应用 |
| 分类号 | TP309 |
| 关键词 | 社交网络,信任模型,网络嵌入,信任预测 |
| 总页数： | 67 |
| 文件大小： | 6550K |
论文目录
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容及组织结构 |
| 第二章 社交网络的基础理论 |
| 2.1 社交网络及相关理论 |
| 2.2 社交网络中信任相关理论 |
| 2.3 本章小结 |
| 第三章 改进基于用户节点上下文信息的信任模型 |
| 3.1 问题分析与研究思路 |
| 3.2 改进的用户信任模型 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 第四章 基于网络表示学习的信任预测模型 |
| 4.1 问题分析与研究思路 |
| 4.2 网络嵌入算法 |
| 4.3 结合网络嵌入算法与深度学习的信任模型 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 第五章 信任模型的应用 |
| 5.1 应用背景 |
| 5.2 系统概述 |
| 5.3 系统实现与展示 |
| 5.4 系统测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 附件 |
相似文献
| [1]基于位置社交网络的信息推荐研究[D]. 彭慧洁.上海工程技术大学2017 |
| [2]社交网络中节点影响力最大化及传播模型研究[D]. 郅欢欢.湖南大学2019 |
| [3]社交网络环境下基于数据挖掘的隐私属性推理攻击研究[D]. 李艳.湖南大学2019 |
| [4]基于事件的社交网络上的Top-k活动与同伴检索方法研究[D]. 朱艺.深圳大学2019 |
| [5]基于多关系社交网络的图像分类算法[D]. 陈炳坤.深圳大学2019 |
| [6]社交网络中用户签到位置伪造检测方法[D]. 丁超平.杭州电子科技大学2019 |
| [7]大学生社交网络挖掘中的同质性消除方法研究[D]. 徐静雅.华中师范大学2019 |
| [8]面向科研人员评估的社交网络分析与研究[D]. 孙熙然.中国工程物理研究院2019 |
| [9]基于知识图谱的社交网络话题演化及预测[D]. 孙斌.北京物资学院2019 |
| [10]基于社交网络结构信息的重叠社区检测算法研究[D]. 赵超越.重庆邮电大学2018 |
