在线社交网络的零模型构造和行为预测研究

发布时间：2021-10-29 19:46

　　在线社交网络既记录了用户之间友谊关系的演化，也记录了用户参与各种社交活动的动态，是信息科学、统计物理和社会学领域一个新的交叉研究领域。目前大多数在线社交网络研究中仅分析单层的静态结构网络，这样既不能抓住在线用户的动态演化特征，也无法真实反映出用户的行为特性。为了更好研究在线社交网络上用户行为的演化，本文将在线社交网络看成是以每个用户为节点的双层耦合网络：一层是用户间显性关系的结构网络，记录的是用户之间友谊关系的建立过程；另一层是用户社交参与行为的功能网络，记录的是用户行为的动态过程。在双层耦合社交网络研究中，本文通过基于置乱方法的零模型构造和行为预测研究分析底层结构网络与上层功能网络之间相互作用、共同演化规律，共有三处特色和创新之处。首先，基于加权功能网络、无权功能网络和无权结构网络分析和预测了功能网络上的节点行为和连边行为。研究结果表明在线社交网络上用户的流失与用户的度和能量有关。此外发现度值居中的用户维持着较多的朋友关系，节点自身的度和能量大小与其连边能量的强弱有微弱的同配特性。其次，整理和总结了基于置乱的加权网络零模型构造算法，并将原始网络和零模型网络比较后发现：对于用户行为预测... 

【文章来源】：青岛理工大学山东省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

有向无权功能网络的入度和出度分布

边的出权重之和称之为节点的出能量outS 。如图2.2所示，我们画出了每个节点的入能量和出能量，可以看出每个节点的入能量inS 随着出能量的增加而增加，两者几乎相等，也体现出了很强的互惠性。为了研究的方便，我们可以把每个节点的出权重和入权重平均作为其权重：[()/2]ijjiijjiw = w=w+w(2.2)通过(2.2)式的转化，我们让每个节点的入权重等于每个节点的出权重，从而将有向加权功能网络转化为无向加权功能网络。图2.2 有向加权功能网络的入能量和出能量分布

[59]，该算法的一步连边置乱过程如图3.1所示。如果网络中有节点A与B相连，C与D相连；且节点A与D不相连，B与C不相连。我们就将连边AB和CD切断，再使节点A与D相连，B与C相连。根据网络规模和实际需要不断重复上述过程就会使网络中的连边关系被随机置乱，但是置乱前后每个节点的度均保持不变，保证了置乱前后网络的度序列相同。从图1可以看出，连边置乱算法破坏了网络拓扑结构，因此可以用来研究网络拓扑结构如何影响网络的功能。图3.1 原始网络和使用断边重连算法构造的1阶零模型网络在静态无权网络中，相对于配置算法，连边随机重连更简单、更容易操作，不需要理解和运用复杂的数学公式、也不会产生自环和重边现象

【参考文献】：
期刊论文
[1]加权网络的常用统计量[J]. 姚尊强,尚可可,许小可.  上海理工大学学报. 2012(01)
[2]复杂网络稀疏性的统计物理研究综述[J]. 朱陈平,张永梅,刘小廷,王荣芳,王新光.  上海理工大学学报. 2011(05)
[3]利用链路预测推断网络演化机制[J]. 刘宏鲲,吕琳媛,周涛.  中国科学:物理学 力学 天文学. 2011(07)



本文编号：3465288