[论文解读] User Profile Relationships using String Similarity Metrics in Social Networks

Vasavi Akhila Dabeeru|arXiv (Cornell University)|Aug 13, 2014

Complex Network Analysis Techniques参考文献 18被引用 4

一句话总结

本文提出了一种用于社交网络的资料相似性框架，通过在教育、兴趣和共同联系人等多个用户属性上使用加权字符串相似性度量，按接近程度对用户关系进行排序。通过结合人工属性加权与先进的字符串度量方法，该方法在超越传统方法的基础上提升了相似资料的检测能力，通过整体属性比较增强了关系预测的准确性。

ABSTRACT

This article reviews the problem of degree of closeness and interaction level in a social network by ranking users based on similarity score. This similarity is measured on the basis of social, geographic, educational, professional, shared interests, pages liked, mutual interested groups or communities and mutual friends. The technique addresses the problem of matching user profiles in its globality by providing a suitable matching framework able to consider all profiles' attributes and finding the similarity by new ways of string metrics. It is able to discover the biggest possible number of profiles that are similar to the target user profile, which the existing techniques are unable to detect. Attributes were assigned weights manually; string and semantic similarity metrics were used to compare attributes values thus predicting the most similar profiles. Profile based similarity show the exact relationship between users and this similarity between user profiles reflects closeness and interaction between users.

研究动机与目标

• 解决在社交网络中超越基础的“朋友的朋友”启发式方法，识别有意义的用户关系的挑战。
• 开发一个全面的框架，评估包括教育、兴趣和地理位置在内的多样化属性之间的资料相似性。
• 通过整体属性分析检测更多相关资料匹配，超越现有技术。
• 利用基于字符串的相似性评分量化用户的接近程度和互动潜力。
• 提供一种可扩展的、属性加权的相似性模型，更准确地反映现实世界中的社交关系。

提出的方法

• 该方法为教育、职业和共同兴趣等用户资料属性分配人工权重，以反映其在确定相似性中的相对重要性。
• 应用字符串相似性度量（包括Levenshtein距离和Jaro-Winkler）来比较用户之间资料属性的文本值。
• 将语义相似性与字符串度量结合，以提高对不同表达方式或同义词属性的匹配准确性。
• 通过聚合所有资料属性上的加权相似性，计算综合相似性得分。
• 根据整体相似性得分对资料进行排序，以识别与目标用户最相似的用户。
• 该方法通过同时考虑所有属性，支持全局资料匹配，从而提升对潜在关系的检测能力。

实验结果

研究问题

• RQ1 如何在社交网络中对多样化且异构的属性有效衡量用户资料相似性？
• RQ2 将字符串相似性度量与属性加权相结合，在多大程度上能提升对有意义用户关系的检测能力？
• RQ3 统一框架是否能在检测传统方法无法识别的相似资料方面优于现有方法？
• RQ4 不同字符串度量在现实社交网络数据中的资料匹配准确性方面有何贡献？
• RQ5 语义相似性增强对资料匹配性能有何影响？

主要发现

• 所提出的框架成功识别出显著多于现有技术的相似资料，尤其在用户属性不完全匹配的情况下表现更优。
• 字符串相似性度量（如Jaro-Winkler和Levenshtein距离）能有效捕捉文本资料属性中的部分匹配和近似匹配。
• 将语义相似性与字符串度量结合，可显著提升匹配准确性，尤其在存在同义词或改写表达的属性中。
• 加权属性评分通过优先考虑共享兴趣和共同好友等更有意义的属性，提升了相似性结果的相关性。
• 综合相似性得分与实际用户互动水平高度相关，验证了其在预测关系亲密度方面的有效性。
• 该方法在资料属性表达不一致或非正式时，仍能稳健检测潜在关系。