多源異構(gòu)數(shù)據(jù)的跨域關(guān)聯(lián)方法研究及應(yīng)用.pdf

1、隨著移動(dòng)網(wǎng)絡(luò)和大數(shù)據(jù)時(shí)代的到來(lái)，用戶參與的網(wǎng)絡(luò)活動(dòng)越來(lái)越多，其一切行為逐漸被數(shù)字化記錄，導(dǎo)致整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)形態(tài)和來(lái)源變得越來(lái)越豐富。雖然基于單一數(shù)據(jù)流的用戶建模已有成熟的研究方法，但多源異構(gòu)數(shù)據(jù)的急劇增長(zhǎng)，給用戶建模帶來(lái)了更大的挑戰(zhàn)，單一數(shù)據(jù)流已經(jīng)很難全面刻畫(huà)用戶的多元化特征，難于進(jìn)行精準(zhǔn)的用戶建模。多源異構(gòu)數(shù)據(jù)融合研究將會(huì)產(chǎn)生更大的價(jià)值，多源異構(gòu)數(shù)據(jù)的跨域關(guān)聯(lián)研究已成為一個(gè)新的研究趨勢(shì)。
　　目前，大多數(shù)用戶跨域關(guān)聯(lián)是通過(guò)計(jì)算相

2、似度來(lái)判斷兩者是否存在關(guān)聯(lián)關(guān)系，這將導(dǎo)致海量數(shù)據(jù)下的關(guān)聯(lián)并不精確，不能很好地解決大規(guī)模數(shù)據(jù)下的關(guān)聯(lián)問(wèn)題。因此，本文針對(duì)該領(lǐng)域存在的上述問(wèn)題，首先對(duì)社交網(wǎng)絡(luò)中的用戶建模方法展開(kāi)研究，然后建立跨域關(guān)聯(lián)模型，最后研究了大規(guī)模數(shù)據(jù)下的跨域關(guān)聯(lián)挖掘方法。具體工作內(nèi)容如下：
　　（1）跨域關(guān)聯(lián)建模：本文首先分析了社交網(wǎng)絡(luò)中多源異構(gòu)數(shù)據(jù)的存在形式，從用戶屬性信息、用戶生成內(nèi)容、用戶行為軌跡以及結(jié)構(gòu)關(guān)系四個(gè)方面挖掘用戶的行為模式，構(gòu)建用戶特征向量

3、。在此基礎(chǔ)上建立基于一對(duì)一匹配的跨域關(guān)聯(lián)模型，該模型先采用無(wú)監(jiān)督的方法獲得用戶相似度，將其作為連邊的權(quán)重，然后利用基于貪心的匹配算法來(lái)得到一對(duì)一匹配結(jié)果。實(shí)驗(yàn)表明一對(duì)一匹配模型的F1值可以達(dá)到90％，高于單純的有監(jiān)督或無(wú)監(jiān)督方法的結(jié)果。
　　（2）大規(guī)模數(shù)據(jù)下的跨域關(guān)聯(lián)挖掘：本文提出了兩種模型，一個(gè)是基于最小哈希的跨域關(guān)聯(lián)模型，該模型首先對(duì)用戶標(biāo)簽集合做hash降維映射，然后利用一對(duì)一匹配算法進(jìn)行用戶關(guān)聯(lián)；第二個(gè)是基于倒排索引的跨