杨 威 王轶彤

(复旦大学计算机科学技术学院 上海201203)

0 引 言

随着在线社交网络的快速发展，许多系统能够建模成WSSN[1]，以便更细粒度地反映节点之间的关系。在一个权重符号社交网络中，每条边上的权值可以同时反映情感的倾向(正或负)以及关系的强弱(具体的数值)。例如，考虑边权重为+3、+2或-2，不仅具有符号以反映情感的倾向：喜欢/不喜欢、信任/猜忌、朋友/敌人、合作/竞争等，还能抓取关系的强度，如喜欢的程度、猜忌的程度等。在一些在线社交媒体中，边的符号和权重值是直接给定的。例如，在比特币的交易平台(Alpha或OTC)中，用户能够使用-10(完全不信任)到10(完全信任)的分数值来评价其他用户，以此来表达对于其他用户的态度。与此同时，现实中也存在一些在线的社交网络，它们给定了边的符号，但边的权重需要隐式抽取。例如，在维基百科管理员申请网络(RfA)中，如果一个维基百科的编辑者想要成为一个管理员，他需要先提交一个申请，而其他的用户使用三个标签(支持、中性或反对)中的一个来对这个申请进行投票，辅之以简短的投票理由。因此，能够使用一些语义分析工具从投票附加的文本中隐式的抽取出边的权重并且形成一个权重符号社交网络[1]。显然，权重符号网络能在更细的粒度上反映社交网络中节点之间的信息。在无权无符号的社交网络中，链路预测问题主要关注于边存在性的预测，可以扩展为对边符号(正或负)的预测(符号网络)。本文专注于权重符号社交网络的链路预测问题，即预测边上的权重信息，包含符号和数值，反映关系的方向和强弱。……