大规模去中心化社交网络中的局部化社区发现算法
社会与信息网络
2013-01-01 v1 物理与社会
机器学习
摘要
尽管现有的社交网络服务 (SNS) 取得了巨大成功，但其集中式的所有权和控制权引发了对用户隐私、审查脆弱性以及运营稳健性的严重担忧。为了克服这些局限性，最近提出并实施了分布式社交网络 (DSN)。在这些新的 DSN 架构下，没有任何单一实体拥有整个社交网络的完整知识。虽然这种方法解决了上述问题，但 DSN 节点缺乏全局知识，使得支持好友发现和社区发现等常见但关键的 SNS 服务变得更具挑战性。在本文中，我们在常见 DSN 架构所施加的局部拓扑信息有限的约束下，解决了针对给定用户的社区发现问题。通过将个性化 Page Rank (PPR) 方法视为墨水扩散过程，我们论证了其在利用有限局部拓扑信息进行去中心化社区发现中的适用性。我们提出的基于 PPR 的解决方案具有广泛的应用，如好友推荐、定向广告、自动化社会关系标记和女巫攻击防御。利用从实际大规模 SNS 收集的数据，我们证明了改进版的 PPR 显著优于基本的 PR 以及另外两种常用的启发式方法。在逃逸向量 (EV) 中包含少量手动标记的好友可以显著提升性能（在 ROC 曲线下面积 (AUC) 方面相对提升了 64.97%）。
引用
@article{arxiv.1212.6323,
title = {Localized Algorithm of Community Detection on Large-Scale Decentralized Social Networks},
author = {Pili Hu and Wing Cheong Lau},
journal= {arXiv preprint arXiv:1212.6323},
year = {2013}
}