摘要：随着互联网的发展，获取和收集数据能力的不断提升，人类社会进入了大数据时代。随着大数据时代的到来，如何快速处理数据并从中发现有用信息已变为迫切需要解决的问题。因此，本文的目的是研究社会网络的特征选择方法，主要研究内容为链路预测，特征相关性分析和特征选择。

本文主要研究了针对移动通信数据用户关系预测的特征选择方法。在研究当中，首先，对移动通信短信数据进行网络构建，提取它的节点属性特征、共同邻居特征和子图特征。然后，利用机器学习算法进行链路预测，在预测的过程中，利用最大信息系数对所提取的特征进行相关性分析，发现类内特征和类间特征之间存在相关性，去除这些相关性，发现它的预测效果有所提升或与多特征预测时效果一样。

关键词：社会网络；特征选择；链路预测；最大信息系数；相关性分析

目录

摘要

Abstract

1 绪论-1

1.1 研究背景及意义-1

1.2 国内外研究现状-1

1.3 本文主要研究内容-2

2 数据说明与处理-3

2.1 数据说明与简要分析-3

2.2 数据处理-5

2.3 本章小结-5

3 特征介绍-6

3.1 节点属性特征-6

3.2 共同邻居特征-7

3.3 子图特征-8

3.4 本章小结-10

4 链路预测-11

4.1 机器学习介绍-11

4.1.1 XGBoost简介-11

4.1.2 XGBoost的优点-11

4.2 特征选择-12

4.3 评价指标-13

4.4 结果与分析-14

4.5 本章小结-18

结    论-19

参 考 文 献-20

附录A 程序-21

致    谢-33