社交网络中的链路预测与特定用户识别方法的研究.docx

摘要:社交网络是在线的交互媒体，拥有着非常广泛的用户加入，用户在社交网络上不仅仅是信息的被动接收者，也成为了主动发布信息者，用户信息的获取和特征的识别在企业推广产品和国家调控舆情上有巨大的应用价值，在移动短信数据的基础上可以很明显的找出用户商业价值的特性。

我们使用用户短信数据从移动用户数据中选出有效用户，将每个用户看做一个节点，两节点之间必须是存在双向收发短信关系的。通过各链路预测算法，通过对节点链接数、他们之间的权重即是两者收发短信的平均值等统计量的研究，采用AUC的衡量指标，成功验证了定义的准确性。本研究采用大数据挖掘技术，建立出用户的数学模型，并通过随机置乱的方法，改变用户之间的链接方式，在此基础之上找出最具价值的用户，对于公司的业务发展非常的重要。

关键词：社交网络；用户短信数据；链路预测算法；链接数；AUC值

目录

摘要

Abstract

1 绪论-1

1.1 课题的研究背景及意义-1

1.2 课题的国内外研究现状和发展趋势-1

1.3 课题的主要研究内容-1

2 基于复杂网络算法分析-3

2.1 复杂网络链路预测算法的研究现状-3

2.2 复杂网络链路预测算法的分类-3

2.3 本研究的链路预测算法-4

2.4 本章小结-5

3 短信数据提取和分析方法-6

3.1 Python编程语言的简单介绍-6

3.2 基于链路预测算法处理短信数据-6

3.2.1 创建文件 获取短信数据-6

3.2.2 利用Python语言获取短信链接数据-7

3.2.3 计算链路的AUC值 加入权重值，画出拓扑图、直方图-8

3.2.4 计算链路的平均值、标准差-9

3.2.5 比较各链路预测算法的AUC值，画出拓扑图-10

3.2.6 得出链路预测算法的最佳算法-15

3.3 性能测试及软件结构-15

3.4 创新性-16

3.5 本章小结-16

结    论-18

参 考 文 献-20

附录 部分程序-22

致    谢-27