社交网络中基于聚类分析的可信推荐系统

摘要

社交网络作为互联网的重要应用场景。随着网络技术的日臻成熟与社交形态的逐渐转变。社交网络的发展出现了新的机遇并伴随着新的挑战。其中，海量数据中有效信息的获取成为了一个亟待解决的问题。本文旨在提出一种海量、复杂数据背景下社交网络推荐系统的解决方案并有效确保推荐结果的可信性与整个推荐系统的安全性。
　　首先，本文提出了一种多维数据的处理模型并结合处理结果应用于推荐系统的数据选取，以达到推荐数据的准确性、实时性与处理效率的高效性。竞争-抑制节点模型分为4个模块，分别承担数据重构、数据预处理、数据精度处理与数据推荐功能。数据重构模块将不同数据进行统一的量化处理，最终成为具有膜结构与“特征基因”的数据节点，为接下来的一系列处理提供保障。数据预处理模块在重构节点的基础上，以蛋白质相互作用网络中分析蛋白质之间功能匹配度的方法，以相似性为度量，过滤噪声节点并引入免疫机制来辅助改善精确性。数据精度处理阶段，将数据相对密度作为匹配度的精度度量方式，用以保障选取数据与目标节点的相似性。最终将设定条件下的节点提供给数据推荐模块，完成整个推荐过程。
　　其次，针对社交网络中节点的可信性与推荐结果的可信性。提出了一种对等反馈信任机制，通过对主体与客体节点信任的双向评价增强整个体系的可信性。主体的信任由客体节点提供，同时客体的信任会由主体及其他客体节点的反馈而影响，从而完成双向的制约。调节整个系统中信任的平衡性进而提升信任的有效性。
　　然后，针对社交网络中信息传播的安全性问题，提出了一种控制社交网络中危险恶意信息快速传播的方法，借鉴蜜罐技术对恶意信息进行主动监控并结合链路预测方法找到网络中的关键节点并对其进行有效隔离等措施来阻止社交网络中恶意信息的大规模传播。
　　最后，结合数据处理算法与安全算法，设计了一个社交网络推荐系统的原型，实现简单的社交网络推荐功能。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2相关背景知识介绍

1.3本文工作与文章结构

第二章 基于PPI网络的多维数据聚类及推荐模型

2.1问题分析

2.2 CINM模型框架

2.3实验分析

2.4本章小结

第三章 一种社交网络中节点之间的可信机制

3.1 问题分析

3.2移动社交网络中节点的信任机制

3.3移动社交网络中服务的信任机制

3.4实验分析

3.5本章小结

第四章 一种社交网络中恶意信息的处理方法

4.1问题分析

4.2社交网络恶意信息处理模型

4.3本章小结

第五章 社交网络中可信推荐原型系统

5.1需求分析

5.2模块实现

5.3原型系统展示

5.4本章小结

第六章 总结与展望

6.1 本文总结

6.2 进一步工作

参考文献

附录1 程序清单

附录2 攻读硕士学位期间撰写的论文

附录3攻读硕士学位期间参加的科研项目

致谢