基于半监督学习的社交网络用户属性预测
文献类型：期刊论文
| 作者 | 丁宇新1; 肖骁1; 吴美晶1; 张逸彬1; 董丽2 |
| 刊名 | 通信学报
 |
| 出版日期 | 2014 |
| 卷号 | 35.0期号:008页码:15 |
| 关键词 | 社交网络 属性推测 半监督学习 信息安全 |
| ISSN号 | 1000-436X |
| 英文摘要 | 研究如何利用社交关系推测用户的隐藏属性（私隐信息）,采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度。以“人人网”数据作为实验数据,对用户的兴趣与毕业学校进行预测,验证了方法的有效性。 |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/34533]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.哈尔滨工业大学 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 丁宇新,肖骁,吴美晶,等. 基于半监督学习的社交网络用户属性预测[J]. 通信学报,2014,35.0(008):15. |
| APA | 丁宇新,肖骁,吴美晶,张逸彬,&董丽.(2014).基于半监督学习的社交网络用户属性预测.通信学报,35.0(008),15. |
| MLA | 丁宇新,et al."基于半监督学习的社交网络用户属性预测".通信学报 35.0.008(2014):15. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。