摘要
针对现有在线社交网络用户分类方法不能有效利用用户属性和关系网络信息提高分类性能的问题,设计了一种基于随机游走模型的多标签分类方法MLCMRW。该方法的分类过程包括学习用户初始化类别标签以及通过迭代推理获得用户稳定标签分布两个阶段,并且其可以同时考虑用户属性以及关系网络特征信息进行分类。多个在线社交网络数据集上进行的实验表明,MLCMRW比其它已有的代表性方法有更好的分类性能,并且更适合对现实中的在线社交网络进行用户分类。
Aiming at the problem that the existing methods for user classification in online social network（OSN）are not enough effective to utilize both attribute and linkage information of user to improve the classification performance,we designed a new multi-label classification method using random walks（MLCMRW）to solve the problem of user classification in OSN.MLCMRW can utilize both user attribute and linkage information to improve the classification performance.In particular,MLCMRW includes two key parts：learning the initial label distribution and iterative inference for steady label distribution of every user.The experiments on the real-world OSN datasets show that MLCMRW performs quite well than other representative methods.Moreover,it is suitable to classify users in the real-world OSN.
出处
《计算机科学》
CSCD
北大核心
2015年第2期198-203,共6页
Computer Science
基金
国家高技术研究发展计划(863计划)项目(2013AA01A212)
国家自然科学基金(60970044
61272067
61370178)
国家科技支撑计划项目(2012BAH27F05)
广东省自然基金团队研究项目(S2012030006242)
广东省科技计划项目(2012A080104019
2011B080100031)
广东省高校优秀青年创新人才培养计划项目(2012LYM_0077)资助
关键词
在线社交网络
用户分类
随机游走
Online social network
User classification
Random walks
