基于权邻域的代表性用户抽样算法

摘要：

代表性用户抽样方法在社会网络分析领域中得到广泛的应用,如何使其抽取的子集代表网络中所有用户具有重要的研究意义.现有方法较少关注网络拓扑结构中用户潜在的大量有用信息,通过对统计分层抽样模型进行优化,提出了一种基于权邻域的代表性用户抽样算法.为了从网络拓扑结构中获得用户更多有价值的内容,该算法使用权邻域对用户代表度计算方法进行改进,同时与用户属性相结合.之后根据用户属性值将用户分成不同属性组,计算用户在每个属性组的代表度.接着通过质量函数来衡量代表性用户的代表程度.采用启发式贪心算法抽取代表性用户.在4个数据集上与6种传统抽样算法进行实验比较,结果表明基于权邻域的代表性用户抽样算法在精确率、召回率和F1-Measure评价指标上均有提升.

关键词：社交网络、代表性用户抽样、权邻域、拓扑结构、用户代表度

所属期刊栏目：58

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61662053

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：94-101