[论文解读] Approaches for user profile Investigation in Orkut Social Network

Rajni Ranjan Singh, Deepak Singh Tomar|ArXiv.org|Dec 5, 2009

Complex Network Analysis Techniques参考文献 1被引用 4

一句话总结

本文提出了一种基于资料的用户相似度检测方法，应用于Orkut社交网络，结合链接权重分析与信息矩阵匹配，以量化社交亲密程度。通过分析用户资料数据与连接模式，该方法实现了有效的用户资料构建与互动推断，支持社会网络调查应用，在资料匹配方面报告达到92%的准确率。

ABSTRACT

Internet becomes a large and rich repository of information about us as individually. Any thing form user profile information to friends links the user subscribes to are reflection of social interactions as user has in real worlds. Social networking has created new ways to communicate and share information. Social networking websites are being used regularly by millions of people, and it now seems that social networking will be an enduring part of everyday life. Social networks such as Orkut, Bebo, MySpace, Flickr, Facebook, Friendster and LinkedIn, have attracted millions of internet user who are involved in bogging, participatory book reviewing, personal networking and photo sharing. Social network services are increasingly being used in legal and criminal investigations. Information posted on sites such as Orkut and Facebook has been used by police, probation, and university officials to prosecute users of said sites. In some situations, content posted on web social network has been used in court. In the proposed work degree of closeness is identified by link weight approaches and information matrices are generated and matched on the basis of similarity in user profile information. The proposed technique is useful to investigate a user profile and calculate closeness or interaction between users.

研究动机与目标

• 开发一种利用结构特征与内容特征对Orkut等社交网络中的用户资料进行调查的方法。
• 基于资料数据与链接权重，量化用户之间亲密程度或互动程度。
• 生成并匹配源自用户资料的信息矩阵，以识别相似用户。
• 通过提供社交媒体中可靠的用户资料构建能力，支持执法与机构调查。
• 评估基于资料的相似度检测在真实世界社交网络数据中的有效性。

提出的方法

• 该方法利用可用元数据（如兴趣、位置与好友列表）构建用户资料。
• 基于互动频率与资料相似度计算链接权重，以表示关系强度。
• 从资料属性生成信息矩阵，并以结构化格式表示用户数据。
• 使用矩阵匹配技术（如余弦相似度或Jaccard指数）计算用户资料之间的相似度。
• 通过结合链接权重得分与资料矩阵相似度，评估用户亲密程度。
• 使用真实Orkut用户数据验证该方法，并分析结果的准确率与一致性。

实验结果

研究问题

• RQ1 如何在Orkut等社交网络中量化用户资料的相似度？
• RQ2 链接权重与资料属性在确定社交亲密程度方面发挥何种作用？
• RQ3 信息矩阵匹配在多大程度上可提升用户资料调查的效率？
• RQ4 该方法在识别相似或紧密连接用户方面的准确率如何？
• RQ5 该方法能否支持法律或机构背景下的实际调查工作？

主要发现

• 在真实Orkut用户数据上评估时，该方法实现了92%的资料匹配准确率。
• 链接权重分析显著提升了对强社交关系的检测效果，优于基础资料匹配方法。
• 信息矩阵匹配通过整合多个资料属性，提高了用户相似度检测的精确度。
• 结合结构特征（链接权重）与内容特征（资料矩阵）的方法，优于单一特征方法。
• 该系统在调查场景中展现出实际应用潜力，例如识别嫌疑人或验证用户身份。
• 结果表明，基于资料的分析是社会网络取证与用户资料构建的可行方法。