在线社会网络中的强关系和弱关系的研究

There are various interpersonal relationships in online social networks (OSNs), among of which strong ties and weak ties are of special significance. These meaningful interpersonal relationships not only bring individuals support edges, but also make up a kind of special networks, called as social support networks. Unfortunately there is serious information missing phenomenon in OSNs, where weight values of edges are neglected as equal, and cannot reflect tie strengths between users. In addition, strong ties and weak ties are hidden and not labeled in OSNs. These missing important information leads to difficulties for social network analysis. This proposal mainly study strong ties and weak ties in OSNs. The main content of this proposal includes: Firstly, we carry out research on estimation methods of tie strengths, identification methods of strong ties and weak ties, converting OSNs into weighted social networks on which strong ties and weak ties are labeled. Secondly, on basis of weighted social networks, we investigate strong ties and weak ties recommendation performance of existing people recommendation methods, and study heterogeneous information acquisition-oriented people recommendation algorithms by use of strong ties and weak ties information in OSNs. Finally, we improve the performance of existing user attribute information reference methods by use of strong ties and weak ties information in OSNs so as to supplement and restoring the missing user attribute information for OSNs.

在线社会网络（online social networks, OSNs）有着各种各样的人际关系。网络中的强关系和弱关系具有特殊意义，这些有意义的人际关系不仅为个体提供了支持边，而且组成一种特殊的网络：社会支持网络。但是OSNs有着严重的信息缺失现象，网络的边权值被视为均等的，没有反映出人们之间的关系强度。网络中的强关系和弱关系是隐藏的，没有被标识出来。这些缺失的信息给社会网络分析带来困难。本申请主要研究OSNs中的强关系和弱关系，研究内容有：1）研究OSNs的关系强度的计算方法、强关系和弱关系的识别方法，将OSNs转换成标记了强关系和弱关系的加权社会网络；2）在该网络上利用网络中的强关系和弱关系，考察各种人物推荐算法对强关系和弱关系的推荐能力，研究面向异质性信息获取的人物推荐算法；3）利用网络中的强关系和弱关系，改进现有的用户属性信息的推断方法，对OSNs缺失的用户属性信息进行增补与还原。

本项目主要研究在线社会网络（online social networks, OSNs）中的强关系和弱关系。研究内容有：OSNs中的关系强度计算、强关系和弱关系区分方法、将OSNs标记了强关系和弱关系的加权社会网络。在该网络上，进一步研究弱关系推荐和用户属性信息推断。取得的重要结果：1）提出了基于社区重叠系数的关系强度计算方法；基于图嵌入的用户关系强度的计算方法；基于捷径的弱关系识别方法。2）为了解决用户异质性信息获取的需求，利用社会学理论，分析了用户信息利益问题，提出了基于弱关系理论和结构洞理论的弱关系推荐算法；基于捷径的弱关系推荐算法；基于社区重叠系数的弱关系推荐算法。3）为了解决用户属性信息缺失的问题，提出了基于强关系的用户属性推断方法；基于深度学习（图嵌入、图神经网络和注意力机制）的用户属性信息推断方法。实验结果验证了上述方法的有效性。本项目的研究工作对解决OSNs的信息缺失问题，具有重要的科学意义和应用价值。

内容获取失败，请点击重试