含私有节点的社交网络中的随机游走采样

对于第三方而言，在有限数据访问权限下分析社交网络是一项挑战。为应对该挑战，已有若干研究开发了通过简单随机游走估计社交网络属性的算法。然而，大多数现有算法未考虑经验社交网络中在被查询时不发布其邻居数据的私有节点。本文提出一种实用框架，用于通过基于随机游走的采样来估计含私有节点的社交网络属性。首先，我们将简单随机游走扩展至含私有节点的社交网络情形，从而开发了一种采样算法。随后，我们针对网络规模、平均度以及节点标签密度，提出了可降低由私有节点引起偏差的估计量。结果表明，在含私有节点的社交网络数据集上，所提估计量将现有估计量中由私有节点引起的偏差最多降低了 92.6%。