面向微博平台的社区发现及演化分析

发布时间：2017-06-24 02:11

  本文关键词：面向微博平台的社区发现及演化分析，由笔耕文化传播整理发布。

【摘要】：现今,国内外知名的典型社交网站有Facebook、Google+,Twitter,腾讯的QQ空间、新浪微博和人人网等,这些社交类平台或应用在人们的日常生活中占据着重要的地位。发现这些社区网络中社区结构对研究分析和预测社交网络中行为具有重要意义。而社区演化是包括社交网络在内的多种复杂真实网络所具有的基本特性。随着社交网络中具有时间属性的数据日益累积,社区演化的研究逐渐形成了一个热点。微博,是一种通过关注机制进行简短实时信息的分享、传播以及获取的广播式社交网络平台。作为社交类网站的一个重要组成部分,微博已成为我国网民获取信息和交往的主要渠道。现有的经典社区发现算法应用在微博平台环境下存在不足,本文在经典社区发现MetaFac框架的基础上,提出一个能够结合微博内容等多行为的数据信息,以发掘用户兴趣的改进算法。改进部分主要包括设计一个适应微博平台特点的元图模型,多关系权重分配机制和计算最小有效社区数的算法。论文利用所爬取的新浪微博数据集验证所提出的改进算法的性能,实验结果说明,微博内容的分析确实提升了用户之间的关联程度。本文提出一个可结合张量联合分解算法的社区演化发现机制,从多个连续时间片段内尽可能的将所发现的社区结构保持一定相似程度以保证社区结构演化的平稳过渡。实验中基于此机制的理论对连续时间片段内数据进行了增量式的社区发现,并从用户、主题等重要实体方面分析社区结构随时间推移所发生的变化。深入分析现今主流微博社交网站的系统特点,论文并实现了一个兼容性较强的微博数据获取系统。该平台的功能模块分为爬取策略模块、数据库访问功能扩展模块、参数配置模块、微博数据库设计模块。系统爬取了大量新浪微博数据,用以分析微博社交网站的系统特点和所提出算法的性能评估。
【关键词】：社交网络 社区发现 微博 张量分解 用户兴趣
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.092
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究背景11-12
• 1.2 国内外研究现状12-15
• 1.2.1 异质关系网络的社区发现12-14
• 1.2.2 社区演化的监测与分析14
• 1.2.3 局部的社区发现14-15
• 1.2.4 跨平台获取用户信息15
• 1.3 论文主要研究内容15-16
• 1.4 本文的组织结构16-17
• 第二章 社区发现算法概述17-27
• 2.1 引言17
• 2.2 传统社区发现算法的概述和发展17-20
• 2.3 基于张量分解技术的社区发现20-25
• 2.3.1 张量的概念20
• 2.3.2 张量的基础运算20-22
• 2.3.3 张量分解技术22-25
• 2.3.3.1 低秩逼近24-25
• 2.4 评测指标25-26
• 2.5 本章小结26-27
• 第三章 基于微博内容和张量联合分解的社区发现算法27-42
• 3.1 引言27
• 3.2 算法思想和设计27-29
• 3.3 微博内容分析29-31
• 3.4 元图模型设计31-33
• 3.5 张量联合分解33-38
• 3.6 多关系权重分配机制38-39
• 3.7 计算最小有效社区数39-40
• 3.8 算法的代码实现及分析40-41
• 3.9 本章小结41-42
• 第四章 社区演化分析42-49
• 4.1 引言42
• 4.2 社区演化问题42-43
• 4.3 社区演化发现机制43-46
• 4.4 社区演化分析46-48
• 4.5 本章小结48-49
• 第五章 微博数据获取系统实现49-62
• 5.1 引言49
• 5.2 系统的体系结构设计49-51
• 5.3 爬取策略设计模块51-53
• 5.4 数据库访问扩展模块53
• 5.5 参数配置模块53-54
• 5.6 数据库模块54-56
• 5.7 数据爬取及预处理56-61
• 5.7.1 系统运行环境56
• 5.7.2 数据集介绍56-58
• 5.7.3 数据预处理58-61
• 5.8 本章小结61-62
• 第六章 实验设计及结果分析62-78
• 6.1 引言62
• 6.2 实验设置62-64
• 6.3 评测指标64-65
• 6.4 W-MF框架发现社区65-66
• 6.5 实验结果分析66-77
• 6.5.1 社区的可视化和组成分析66-69
• 6.5.2 主题数导致的社区变化69-72
• 6.5.3 社区数导致的社区变化72
• 6.5.4 改进算法与基准算法性能对比72-73
• 6.5.5 社区的演化和分析73-77
• 6.6 本章小结77-78
• 第七章 全文总结与展望78-80
• 7.1 工作总结78
• 7.2 研究展望78-80
• 致谢80-81
• 参考文献81-84
• 攻读硕士学位期间取得的成果84-85

【相似文献】

中国期刊全文数据库 前10条

1 ;基于位置的手机社交网络“贝多”正式发布[J];中国新通信;2008年06期

2 曹增辉;;社交网络更偏向于用户工具[J];信息网络;2009年11期

3 ;美国:印刷企业青睐社交网络营销新方式[J];中国包装工业;2010年Z1期

4 李智惠;柳承烨;;韩国移动社交网络服务的类型分析与促进方案[J];现代传播(中国传媒大学学报);2010年08期

5 贾富;;改变一切的社交网络[J];互联网天地;2011年04期

6 谭拯;;社交网络:连接与发现[J];广东通信技术;2011年07期

7 陈一舟;;社交网络的发展趋势[J];传媒;2011年12期

8 殷乐;;全球社交网络新态势及文化影响[J];新闻与写作;2012年01期

9 许丽;;社交网络:孤独年代的集体狂欢[J];上海信息化;2012年09期

10 李玲丽;吴新年;;科研社交网络的发展现状及趋势分析[J];图书馆学研究;2013年01期

中国重要会议论文全文数据库 前10条

1 赵云龙;李艳兵;;社交网络用户的人格预测与关系强度研究[A];第七届（2012）中国管理学年会商务智能分会场论文集（选编）[C];2012年

2 宫广宇;李开军;;对社交网络中信息传播的分析和思考——以人人网为例[A];首届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2010年

3 杨子鹏;乔丽娟;王梦思;杨雪迎;孟子冰;张禹;;社交网络与大学生焦虑缓解[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 毕雪梅;;体育虚拟社区中的体育社交网络解析[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

5 杜p，

本文编号：476877