基于六度分割理论和中心度识别微博网络的关键人物

发布时间：2021-04-20 19:38

　　随着互联网信息和科技的演变，迎来了Web2.0时代，微博作为一种新兴的传播载体，迅速崛起，并受到人们的广泛关注。与传统媒体相比，其具有信息量大、信息传播速度快、即时性强等特点，这些特点使其成为了人们交流和传递信息的新平台，也给谣言散播提供了新渠道。面对每天产生过亿条的微博数据量，如何处理微博数据，如何及时有效的识别微博中的关键节点，这都是本文将要面对的挑战。本文分析了微博的基本功能，信息特点以及传播特点等等，在此基础上结合国内外现有的关于中心度和聚类分类的算法，着重于研究了识别微博网络中关键节点的技术，在时间与精确度的平衡处理下，提出了解决方法：（1）对微博的特点进行整理分析，结合中心度算法思想，给出了互动指数和影响指数，并将两种指数结合起来，最终提出了适用于微博的关键指数，用于识别微博网络中的关键人物。（2）面对微博每天产生的海量数据，本文结合了六度分割理论的思想，采用SPLINE算法原理，对规模过大的节点集进行整理，移除与源节点最短路径大于5的节点，经过此步，得到了若干联系紧密的节点集。（3）针对紧密联系的节点集，本文分析了层次聚类算法，采用基于模块度凝聚数据的CNM算法，对微博数... 

【文章来源】：西华大学四川省

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究目的和意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 本文组织结构
2 社交网络基本理论
    2.1 六度分割理论
    2.2 顿巴数和贝肯数
    2.3 强弱关系
    2.4 小世界网络模型
3 微博网络分析
    3.1 基本概念
    3.2 发展历程
    3.3 基本功能
    3.4 微博特点
        3.4.1 微博信息特点
        3.4.2 微博传播特点
        3.4.3 微博的缺点
        3.4.4 微博网络性质
4 关键节点挖掘
    4.1 中心度算法
        4.1.1 点中心度
        4.1.2 中间中心度
        4.1.3 紧密中心度
    4.2 聚类算法
        4.2.1 Girvan-Newman 算法
        4.2.2 Newman 快速算法
        4.2.3 CNM 算法
    4.3 识别关键人物方法
        4.3.1 中心度算法对比分析
        4.3.2 关键指数
        4.3.3 处理微博数据
    4.4 本章小结
5 实验及结果分析
    5.1 实验数据集
        5.1.1 实验数据
    5.2 程序实现
    5.3 实验结果总结
    5.4 本章小结
6 总结和展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于社区的关键节点挖掘算法[J]. 陆晓野,陈玮.  计算机系统应用. 2012(04)
[2]利用重要度评价矩阵确定复杂网络关键节点[J]. 周漩,张凤鸣,李克武,惠晓滨,吴虎胜.  物理学报. 2012(05)
[3]基于社会网络中心性分析的微博信息传播研究——以Sina微博为例[J]. 平亮,宗利永.  图书情报知识. 2010(06)
[4]复杂网络中的社团结构算法综述[J]. 汪小帆,刘亚冰.  电子科技大学学报. 2009(05)
[5]基于网络权重的多社团网络结构划分算法[J]. 段晓东,王存睿,刘向东,张庆灵.  复杂系统与复杂性科学. 2009(03)
[6]低维护开销的小世界P2P网络[J]. 王向辉,张国印,张闯.  计算机科学. 2008(11)
[7]邮件社区划分和小世界网络[J]. 李军利,赵红领,范明.  计算机应用. 2008(S1)
[8]社会网络分析和社团信息挖掘的三项探索——挖掘虚拟社团的结构、核心和通信行为[J]. 唐常杰,刘威,温粉莲,乔少杰.  计算机应用. 2006(09)
[9]数据挖掘中聚类算法比较研究[J]. 张红云,刘向东,段晓东,苗夺谦,马垣.  计算机应用与软件. 2003(02)

博士论文
[1]在线社会网络信任计算与挖掘分析中若干模型与算法研究[D]. 张宇.浙江大学 2009

硕士论文
[1]复杂网络关键节点识别技术研究[D]. 杨汀依.南京理工大学 2011
[2]基于SNA的网络核心及社团结构挖掘研究[D]. 马朝阳.大连交通大学 2010



本文编号：3150276