1 引言 在实际社会生活中，每个人都有各自的人(3)

　　4.3 社会化推荐
　　传统的推荐技术主要利用了user 对item 评价矩阵，但在社交网络中用户对某item 的评价往往极大影响其朋友的选择。综合了user 对item 评价以及user 之间的信任关系（构成Social Trust Ensemble）进行推荐，使得推荐结果更精确，并具有现实意义。研究基于协同过滤的社会化推荐问题，针对传统协同过滤法存在的两个问题：a）因计算复杂度而引起的特征信息融合困难；b）各种特征信息之间的依赖关系不能有效地利用，提出了多层次的连续随机场模型，用于社会化推荐。

　　4.4 社区关系挖掘
　　网络社区发现算法有很多种，但有些算法的可扩展性较差，适合于大规模网络的却为数不多，CNM、Wakita和Louvain是三种扩展性较好算法。然而这三种算法都存在：
　　当输入数据顺序不同时，得到的结果也不相同的问题。提出两个定量指标成员成对概率(pairwise membership probability)和一致性(consistency)，并依据这两个指标提出新的挖掘算法解决挖掘结果一致性的问题。利用Filckr 中的图片和标签描述信息推测图片的拍摄位置，并基于位置进行新型的关系挖掘，表明时序信息和可视内容有助于推测图片呈现的位置。结合位置和时序信息可以还原图片的拍摄路线，启示了信息的变迁。

　　4.5 社交网络中的信息传播
　　目前社交网络信息传播模型大都是基于独立级联模型(Independent Cascade Model , ICM)的，但ICM 的计算量较大，用最短路径模型（Shortest-Path Model, SPM）来近似求解信息的传播范围以降低计算量，SPM 的主要思想是信息沿着从已受影响节点集合到将要受影响节点的最短路径进行传播，其速度是最快的，SPM 是ICM 的一个特例。实验结果表明最短路径模型（SPM）具有独立级联模型(ICM)的相同效果，但运行效率更高。利用因子图建模，提出三种不同的学习算法，对社会影响力进行了定量分析。从两个方面研究了信息传播最大化的问题：a）改进贪婪算法，降低运行时间；b）通过舍弃某些度值，提出新的启发式算法，以改进信息的传播速度。基于实验结果，作者认为在解决信息传播的可扩展性方面，启发式算法应优于贪婪算法。很多研究者关心，在社交网络的活动中，哪些用户行为会影响信息传播，因此，在在社会网络之上，有人又提出了interactive network，visit network 等表现用户交互行为的关系网。

　　4.6 其它基于社会网络的应用

（科教作文网http://zw.nseAc.com）

　　5 结论

　　互联网技术的发展及Web2.0 的兴起使得社交网络日益流行起来，并引起国内外人们的关注与参与，社交网络的注册人数逐年增长，其内容不断更新，这为研究大规模社交网络提供了前所未有的真实的实验平台。社交网络作为现实人际交往的扩展，其中蕴含的海量信息将会对人们的工作和生活产生影响，同时也为计算机学科相关研究带来新的机遇。

代写网专业提供工程硕士代写服务