● 摘要
社交网络的规模不断扩大，用户发布的信息量不断增加，使得设计高效的社交网络分析方法从海量非结构数据中提取归纳有用信息成为必然。其中，用户关系预测是热点研究内容之一，它解决社交网络中数据局部稀疏、关系数据无法完整获取的问题，依靠少量数据推测大量未知关系。高效的关系预测方法对获取完整的社交图谱、理解网络形态演化方面起到辅助作用，在精准营销、好友推荐、社会化商品推荐等领域有非常重要的应用价值。
目前用户关系挖掘的研究场景主要分为无符号网络和符号网络。无符号网络中用户关系的相关研究已有较多工作，取得了较好的成果。然而这些方法大多把用户关系简单处理为好友，基于非负接近程度值进行计算，或简单选取特征进行监督学习，没有考虑非好友关系对网络形态所起的作用，无法很好地应用于存在敌对关系的无符号网络中。针对社交网络关系多元化、现有方法考虑因素单一且分散的情况，本文提出基于矩阵填充的用户关系预测方法，对无符号网络和符号网络中的用户关系预测问题进行统一建模，通过在隐性特征空间挖掘关联关系对未知用关系进行预测。
论文的工作主要包括用户关系预测、用户群组分析、实现分析及系统实现三方面。在用户关系预测方面，本文提出了一种基于矩阵分解的增强的用户关系预测模型，在符号网络满足矩阵精确恢复条件的前提下，基于均方误差最小的准则确定损失函数。利用交替最小二乘法和随机梯度下降算法对目标函数进行求解；在用户群组检测方面，得到链接预测完毕的邻接矩阵之后，结合符号网络特点修改拉普拉斯矩阵，用谱聚类的方法解决符号网络中用户群组发现问题；在实验分析与系统实现方面，设计了完整的功能实验和性能实验，详细分析了实验结果，并搭建了用户关系预测与分析系统，用于用户关系网络形态、关系预测结果、群组检测结果和用户节点信息等的可视化展示。
结果表明，本文提出的模型可以完成符号网络中用户关系预测的任务，且预测效果优于典型的链接预测方法，模型通用性强，同时对后续用户群组发现等工作而言，用户关系预测起到补全数据的作用，使群组检测结果更准确。