基于社交网络的社交关系强度分类研究1）

沈洪洲1袁勤俭2

1.南京邮电大学; 2.南京大学;

摘要：

本文利用监督学习的方法从社交网络的用户数据中分两个阶段挖掘最佳的社交关系强度分类模型，并进一步探讨不同用户数据对于社交关系强度的区分能力。研究发现，基于贝叶斯网络算法的分类模型在区分强社交关系的过程中被证明最有效，而基于 Logistic 回归算法的分类模型则在区分出临时社交关系的过程中表现最佳。研究还通过属性分析发现互动性因素总体上对社交关系强度的区分能力最为突出，相似性因素中的共同好友数也有很好的区分能力，但时间性因素对于社交关系强度的区分能力没有被发掘出来。

关键词：社交网络、社交关系强度、机器学习、数据挖掘

分类号：TP1;F2

资助基金：南京邮电大学人文社会科学人才引进项目NYS213009的研究成果之一。

在线出版日期：2014-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：844-857