基于时间活动路径的社交网络角色校正

海量多媒体数据包含大量且多样的社会信息，被用于构建大规模社交网络。在复杂社交网络中，一个角色理想情况下应由且仅由一个顶点表示。然而，一个角色由具有不同名称的两个或多个顶点表示的情况十分普遍，因而通常被视为多个不同的角色。该问题导致网络分析与挖掘结果的不正确。实际挑战在于，由于诸多复杂因素（例如改名与匿名化）导致角色唯一性难以正确确认，从而造成角色重复。早期有限的研究表明，以往方法过度依赖来自数据库的补充属性信息。本文中，我们提出一种新方法，用于合并指向同一实体但以不同名称表示的角色顶点。该方法首先基于从多媒体源提取的参与社交活动记录，构建角色间关系网络；随后为每个角色随时间定义时间活动路径（TAPs）；之后度量任意两个角色TAPs的相似度。若相似度足够高，则这两个顶点应被视为同一角色。基于TAPs，我们可判定是否合并这两个角色顶点。实验表明，该方案能准确确认大规模社交网络中的角色唯一性。