基于高影响力节点划分的社交网络社团发现的研究

发布时间：2017-10-27 13:09

  本文关键词：基于高影响力节点划分的社交网络社团发现的研究

  更多相关文章： 社区结构 社区发现 标签传播 PageRank 影响力

【摘要】：随着社交网络的发展,社团发现一直是研究热点。研究网络社区有助于解释网络的结构特性,为信息推荐、信息传播控制等诸多应用提供有力的前提支撑。虽然近年来社团发现技术和方法已经取得了丰硕的理论和应用成果,但随着社交网络规模不断增大和网络结构不断演化,在缺少社团公认规范定义和实际网络社团验证信息的问题,给社团发现研究带来挑战,遇到了发展瓶颈。本文通过实验还发现,用传统社团发现方法对一些具有真相社区的网络数据集的划分结果和真相社区的结果存在较大的差异。 基于以上动机,本文从网络高度数和可变影响力两方面探讨了网络中高影响力节点对社团划分结果的影响。 (1)借鉴幂律分布规律设计了基于半监督学习的社团处理框架,提出了基于高度数节点优化的标签传播算法,并结合若干数据集探讨了高度数节点对社团划分结果的影响关系,最后提出了几种用于判别网络中高度数节点是否可去除的方案。 (2)从节点可变影响力角度,提出一种基于PageRank的可变影响力社区发现算法和一种基于单一初始点的可变影响力局部社区发现算法,该算法可根据实际应用场景和用户期望调整社区的规模,并保持较低复杂度和算法高效性的同时,避免传统标签传播算法形成单一社区等弊端。 最后,本文总结了论文的主要工作,并对未来的工作进行了展望。
【关键词】：社区结构 社区发现 标签传播 PageRank 影响力
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 目录7-9
• 第一章 绪论9-16
• 1.1 研究背景及意义9-11
• 1.1.1 社交网络9
• 1.1.2 社团发现研究9-11
• 1.2 国内外研究现状11-13
• 1.3 本论文主要内容13-15
• 1.4 论文结构安排15-16
• 第二章 社交网络中社团发现研究16-28
• 2.1 社交网络16-23
• 2.1.1 社交网络发展16-17
• 2.1.2 社交网络分类17
• 2.1.3 社交网络特点17-18
• 2.1.4 社交网络性质18-22
• 2.1.5 社交网络研究方向22-23
• 2.2 社团发现研究23-27
• 2.2.1 社团定义23-25
• 2.2.2 社团发现算法25-26
• 2.2.3 社团评价指标26
• 2.2.4 社团发现研究发展方向26-27
• 2.3 本章小结27-28
• 第三章 高度数节点与社团划分的相互作用关系28-41
• 3.1 研究背景和意义28-29
• 3.2 相关工作介绍29-30
• 3.3 基于高度数节点的半监督学习社团发现算法30-34
• 3.3.1 算法概述30-31
• 3.3.2 算法描述31-32
• 3.3.3 算法评价指标32-33
• 3.3.4 算法性能分析33-34
• 3.4 实验34-38
• 3.4.1 实验数据集34
• 3.4.2 实验结果与分析34-38
• 3.5 高度数节点与社团划分的相互关系38-40
• 3.5.1 高度数节点优化规则38-40
• 3.6 本章小结40-41
• 第四章 基于节点可变影响力的社区发现41-58
• 4.1 研究背景和意义41
• 4.2 相关工作介绍41-48
• 4.2.1 PageRank42
• 4.2.2 标签传播算法LPA42-46
• 4.2.3 社团评价指标46-48
• 4.3 基于可变影响力的社区发现模型48-51
• 4.3.1 基于PageRank的可变影响力社区发现算法49-50
• 4.3.2 基于单一初始点的可变影响力局部社区发现算法50-51
• 4.4 实验设计及分析51-57
• 4.4.1 数据集51-53
• 4.4.2 实验环境53
• 4.4.3 对比实验及结果分析53-55
• 4.4.4 可变影响力研究实验及结果分析55-56
• 4.4.5 基于单一初始点的可变影响力局部社区发现算法实验56-57
• 4.5 本章小结57-58
• 第五章 总结与展望58-60
• 5.1 论文工作总结58-59
• 5.2 问题与展望59-60
• 参考文献60-64
• 致谢64-66
• 攻读硕士期间发表的学术论文66

【参考文献】

中国期刊全文数据库 前2条

1 骆志刚;丁凡;蒋晓舟;石金龙;;复杂网络社团发现算法研究新进展[J];国防科技大学学报;2011年01期

2 赵卓翔;王轶彤;田家堂;周泽学;;社会网络中基于标签传播的社区发现新算法[J];计算机研究与发展;2011年S3期

，

本文编号：1103610