科创中国
一种基于节点嵌入的在线社交网络用户缺失属性预测方法
成果类型：: 发明专利
发布时间: 2024-07-24 08:38:33
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-07-24 08:38:33
一种基于节点嵌入的在线社交网络用户缺失属性预测方法，包括以下步骤：S1：提取在线社交网络中的用户信息，包括好友列表、在线行为和相关属性数据；S2:构造网络模型后，通过node2vec算法将网络中的节点嵌入到欧式空间中得到表征网络结构特征的嵌入向量；S3：根据用户在线行为和公开属性数据构造表征用户其他特征的向量；S4：将S2和S3中得到的向量进行叠加，最终得到表征用户特征的向量；S5：通过训练一个逻辑斯特回归模型来对用户缺失属性进行预测。本发明充分利用了在线社交网络中的用户社交网络结构特征，结合用户的行为和属性数据，使得对于用户缺失数据的预测达到了较高精度，具有现实应用价值。
为了弥补现有在线社交网络无法预测用户缺失属性的不足，本发明提出一种基于节点嵌入的在线社交网络用户缺失属性预测方法，通过节点嵌入方法node2vec将每一个用户的网络结构嵌入到欧式空间中，从而提取出用户的社交网络结构特征，结合用户的公开属性和行为数据，能够更加准确地预测用户的缺失属性。
基于节点嵌入的在线社交网络用户缺失属性预测方法在信息检索、推荐系统等领域具有广泛的应用前景。
节点嵌入是一种将数据降维到低维空间的技术，通常用于网络分析和机器学习。基于节点嵌入的在线社交网络用户缺失属性预测方法可以用于以下几个方面：
兴趣推荐：通过学习用户的节点嵌入，可以预测用户感兴趣的内容，并向用户推荐相关的信息。这在在线社交网络、新闻推荐等领域具有广泛的应用。
广告定向：通过学习广告主和目标用户的节点嵌入，可以预测广告主最有可能吸引哪些用户，从而实现更好的广告定向。
社交网络分析：通过学习用户的节点嵌入，可以对用户进行分类、聚类等分析，从而发现用户之间的相似性和不同之处，进一步揭示社交网络的结构和特征。
用户行为预测：通过学习用户的节点嵌入，可以预测用户未来的行为，如购买行为、浏览行为等。这在金融、电商等领域具有广泛的应用。
总之，基于节点嵌入的在线社交网络用户缺失属性预测方法在信息检索、推荐系统、社交网络分析等领域具有广泛的应用前景，为用户个性化服务提供了新的技术手段。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
分类问题；通过多次分类从而实现用户缺失属性预测，在进行模型训练之前，需要设定最大训练迭代次数和最大容忍误差，得到训练完成的模型后，将其应用于测试集中的样本，预测精度作为模型的性能指标。
本发明的有益效果为：充分利用在线社交网络中用户的社交网络结构特征，结合用户的行为和属性特征，能够更加准确地预测用户缺失属性。在缺失其他用户数据的情况下，对于用户缺失属性的预测也能达到较高精度。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app