基于半监督学习的社交网络用户属性预测

• 作者: 丁宇新 吴美晶 张逸彬 肖骁 董丽
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 社交网络 属性推测 半监督学习 信息安全
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 15-22
• 页数: 8页
• 分类号: TP309.2
• 字数: 8057字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-436x.2014.08.003

摘要

研究如何利用社交关系推测用户的隐藏属性(私隐信息),采用基于图的半监督学习方法推测用户属性.为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度.以“人人网”数据作为实验数据,对用户的兴趣与毕业学校进行预测,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董丽	中国科学院计算所计算机体系结构国家重点实验室	8	31	2.0	5.0
2	丁宇新	哈尔滨工业大学深圳研究生院	3	30	2.0	3.0
3	肖骁	哈尔滨工业大学深圳研究生院	1	22	1.0	1.0
4	吴美晶	哈尔滨工业大学深圳研究生院	1	22	1.0	1.0
5	张逸彬	哈尔滨工业大学深圳研究生院	1	22	1.0	1.0