基于微博关注及转发关系的社区划分算法的改进与实现

发布时间：2017-05-10 15:08

  本文关键词：基于微博关注及转发关系的社区划分算法的改进与实现，由笔耕文化传播整理发布。

【摘要】：二十一世纪以来,随着网络的普及,人类生活处处与网络有着微妙的联系。人们既是社会网络中的组成部分,也是虚拟网络中的抽象节点。随着智能手机大量的投放市场,移动互联时代的到来,人们获得及分享信息的诉求得到更快的响应及传达。人们通过注册新浪微博账号,关注感兴趣的微博账号即可了解到相关资讯,或者分享某些观点信息。同时在微博中,扮演着不同的角色,参与转发评论或者关注其他人的微博。而且某些人的身份相对很重要,是微博中的重要节点,其微博会带来很大的影响与互动,因此通过对用户进行社区划分,对关键节点进行挖掘及利用是本文的重点研究内容。本文通过对新浪微博中的实际用户数据进行分析,主要基于兴趣对用户进行社区划分,再锁定相应的关键节点。首先基于微博关注关系分别应用标签传播算法及快速打开算法进行社区划分。为排除单向关注关系造成的噪声干扰,通过筛选微博中的相互关注关系对用户进行社区划分,并挖掘相应关键节点,但所得到的实验结果并不理想。而后总结分析问题,根据微博的特点,发现其中存在另一种转发关系,这种转发行为更多的反映在用户的兴趣方面。信息传播是一个动态的过程,关注关系是一种相对静态的过程,在较长时间内不会发生较大变动,相对于此动态的转发行为则可以很好的展现信息的流动过程。因此提出基于微博转发关系的社区划分研究方法。并分别采用如下两方法进行具体分析改进:1.基于转发关系应用快速展开算法对数据进行社区划分。结合小世界特性对数据进行划分过滤,同时为排除大量段子账号对结果造成干扰。通过设计降权公式对段子账号进行降权,而后过滤只有一天互动量的微博,准确地排除段子账号的干扰。2.基于转发关系应用标签传播算法对数据进行社区划分。基于微博的特点对边进行加权使标签传播算法有向化。通过对节点之间的边进行加权处理,结合健康度的原则对数据集进行划分,最终得到健康的社区及相应的关键节点。由此通过研究用户转发关系进行社区划分并挖掘到网络中隐藏的诸多重要节点,对于我们理解和掌握甚至引导信息的流动具有非常重要的作用及意义,更对广告或者信息的传播及曝光有着积极的影响,一方面良好投放效果会吸引商家注入资金,于微博平台投放广告,另一方面信息的广泛传达也会提升微博的影响力。同时此研究方法在国内最大的信息分享平台得到实际验证。
【关键词】：社区划分 关注关系 转发关系 标签传播 快速打开 关键节点
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.092
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-13
• 1.1 课题背景与研究意义10-11
• 1.2 国内外研究现状11
• 1.3 本文主要贡献11-12
• 1.4 本文主要研究结构12-13
• 第2章 相关理论介绍13-27
• 2.1 复杂网络13-16
• 2.1.1 复杂网络的定义13
• 2.1.2 复杂网络的特性13-16
• 2.1.3 微博的用户关系16
• 2.2 社区划分16-23
• 2.2.1 社区划分概述16-18
• 2.2.2 社区划分的评价标准18-19
• 2.2.3 社区划分的算法19-23
• 2.3 关键节点23-26
• 2.3.1 关键节点概述23-24
• 2.3.2 网页排名算法24-26
• 2.4 本章小结26-27
• 第3章 基于微博关注关系的社区划分算法研究27-33
• 3.1 基于微博关注关系的社区划分算法研究概述27
• 3.2 基于微博关注关系的社区划分算法研究过程27-28
• 3.3 基于微博关注关系的社区划分算法研究实验结果28-32
• 3.3.1 基于微博关注关系应用快速打开算法社区划分结果28-31
• 3.3.2 基于微博关注关系应用标签传播算法社区划分结果31
• 3.3.3 基于微博关注关系社区划分实验结果分析31-32
• 3.4 本章小结32-33
• 第4章 基于微博转发关系的社区划分算法改进与应用33-46
• 4.1 基于微博转发关系的社区划分算法研究概述33
• 4.2 基于微博转发关系的社区划分算法研究过程33-36
• 4.2.1 基于微博转发关系应用快速打开算法进行社区划分33-34
• 4.2.2 基于微博转发关系应用标签传播算法进行社区划分34-36
• 4.3 基于微博转发关系的社区划分实验过程及结果分析36-41
• 4.3.1 基于微博转发关系应用快速打开算法社区划分结果36-40
• 4.3.2 基于微博转发关系应用标签传播算法社区划分结果40-41
• 4.3.3 基于微博转发关系的社区划分实验结果分析41
• 4.4 基于微博转发关系应用标签传播算法的实际投放效果41-45
• 4.4.1 机器学习社区的数据41
• 4.4.2 投放数据41-42
• 4.4.3 投放结果42-43
• 4.4.4 数据分析43-45
• 4.5 本章小结45-46
• 第5章 总结与展望46-48
• 5.1 总结46
• 5.2 展望46-48
• 参考文献48-51
• 致谢51

【相似文献】

中国期刊全文数据库 前10条

1 郑丽丽;;图划分算法综述[J];科技信息;2014年04期

2 英海燕;高级综合中基于团划分算法的资源分配[J];现代情报;2003年12期

3 蒿杰;彭思龙;;多级划分算法的后处理与评价方法[J];小型微型计算机系统;2010年01期

4 居继龙，李增瑞，李孝勖，任朗;时域有限差分方法中的网格非均匀划分算法[J];北京广播学院学报(自然科学版);1995年03期

5 肖侬，，胡守仁，高洪奎，韩冰，宋辉;一个基于对象的程序划分算法[J];电子学报;1997年05期

6 徐久强;崔行兵;于群;赵海;;基于子团规模的社团划分算法与地理位置[J];东北大学学报(自然科学版);2012年11期

7 呙嘉妮,胡久乡,卢正鼎;有限元网格自动生成的并行区域划分算法[J];华中理工大学学报;1999年07期

8 张鲁峰,何连跃,李思昆;基于优化合并准则的团划分算法[J];电子学报;2001年08期

9 南国芳;李敏强;寇纪淞;;电路划分算法改进[J];电子测量技术;2006年01期

10 孙雨耕，宋学军，吴雪，许小满;电网络图主划分算法改进[J];天津大学学报;1995年05期

中国重要会议论文全文数据库 前4条

1 王玲娜;李兴明;;基于最小支撑树的通用区域划分算法[A];2008年中国西部青年通信学术会议论文集[C];2008年

2 徐丹丹;章勇;;一种基于节点度更新的簇划分算法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

3 刘培强;谢青松;朱大铭;;用于基因表达谱数据聚类分析的贪心图划分算法研究[A];2006年全国理论计算机科学学术年会论文集[C];2006年

4 刘华伟;全庆一;;能量有效的基于连通度的分布式簇划分算法[A];2011年全国通信安全学术会议论文集[C];2011年

中国硕士学位论文全文数据库 前10条

1 许金凤;大规模动态自适应图划分算法[D];宁波大学;2015年

2 周爽;面向BSP模型的图数据划分算法的设计与实现[D];东北大学;2013年

3 林慧娴;个性化服务中用户建模及社区划分算法研究[D];南京邮电大学;2015年

4 吴磊;复杂网络的社团划分算法研究[D];太原理工大学;2016年

5 宋俐;基于模糊聚类的社团划分算法研究[D];太原理工大学;2016年

6 刘文杰;基于点分割的平衡图划分算法研究及其在Spark上的实现[D];兰州大学;2016年

7 吴迪;基于微博关注及转发关系的社区划分算法的改进与实现[D];吉林大学;2016年

8 马静;基于社交网络的社团划分算法研究[D];山东师范大学;2011年

9 韩明伟;超大规模集成电路划分算法研究[D];西安电子科技大学;2008年

10 辛娟娟;社区划分算法的研究与应用[D];北京林业大学;2015年

  本文关键词：基于微博关注及转发关系的社区划分算法的改进与实现，由笔耕文化传播整理发布。

本文编号：355000