利用外生交互网络进行在线社交网络中的链接分类与关系强度排序

在线社交网络（OSN）已成为连接人们、分享知识与信息以及进行交流的主要媒介。使用这些 OSN 的人们之间形成的社交连接表现为连接人们的虚拟链接（例如好友和关注连接）。这些链接是当今 OSN 的核心，因为它们促进了社交网络成员可以执行的所有活动。然而，许多此类网络受到噪声链接的困扰，即不反映真实关系或强度较低的链接，这些链接改变了网络结构并阻碍了对这些网络的准确分析。因此，为了维持一个健康且真实的网络，评估和排序社交网络中的链接至关重要。在此，我们将链接评估定义为识别网络中噪声链接与非噪声链接的过程。在本文中，我们利用外部交互网络解决社交网络中的链接评估和链接排序问题。除了好友社交网络之外，还利用了额外的外生交互网络，使评估过程更有意义。我们采用机器学习分类器，利用外生交互网络的数据对目标社交网络中的链接进行评估和排序。该方法在两个不同的数据集上进行了测试，每个数据集均包含目标社交网络及其真实标签，以及外生交互网络。结果表明，仅使用单个外生交互网络的结构，以及使用整个外生交互网络集合的结构，均可有效评估社交网络的链接。实验表明，在链接分类和链接排序方面，某些分类器的表现优于其他分类器。