基于密度模块的微博社区发现方法

发布时间：2016-08-04 14:03

  本文关键词：企业微博客营销效果的影响因素分析，由笔耕文化传播整理发布。

《云南大学》 2013年

基于密度模块的微博社区发现方法

张平  

【摘要】：微博的出现推动了互联网社会网络的快速发展,然而社区发现正是研究微博网络的主要趋势之一。许多现存的方法都是基于微博用户互相“关注”的模型来研究微博,但由于“关注”模型只能反映用户关系的存在却不能的反映用户关系的强弱,往往导致对社区划分的不准确。与此同时,由于许多流行社区发现算法存在不能无监督的运行、时间复杂度高或分辨率极限的问题,算法本身也成为影响社区划分质量的另一个因素。 包括微博网络在内的社会网络研究本属于社会学、物理学范畴,相对于计算机领域,其社区发现问题的研究起步更早,拥有丰富的成果。因此通过借鉴社会学、物理学知识解决现存社区发现问题不仅是一个比较好的思路,同时也是计算机领域研究社会网络的采用的方法之一。社会学认为关系的强弱往往可以由联系的相互性与频度体现,且相互性、频度越高关系越紧密。根据此性质我们可以找出一种方法对微博用户的关系强弱进行量化,从模型的角度提高社区划分的准确度。除此之外,社会学提出的层次聚类的思想不需要先验知识的获取可以较好解决社区发现有监督的问题；物理学提出图密度的概念能准确的刻画小社区结构,为解决分辨率极限提供了途径。 总的来看,本文的主要工作和贡献可概括如下： (1)建立表示用户关系强弱的图模型 我们选取具有相互性和频度的“转发”、“评论”联系行为作为建模的依据。根据社会学提出的关系理论,提出了一种能通过联系行为方向与频度量化用户关系紧密强弱方法,并用图对用户关系进行建模。 (2)提出基于图密度的层聚式聚类算法 为提高聚类精度,我们将密度模块化与本文提出的子图贴近度的概念相结合,给出了一种能根据用户关系紧密强弱逐步按层次聚类的算法。这种算法可以在无监督的前提下,得到分辨率较高的结果。 (3)实验结果 本文在真实社会网络和人工模拟的微博网络上,分别对本文算法的分辨率、准确度和效率3个方面进行了测试,通过与现有流行的社区发现算法对比,分析了本文算法与现有算法的优缺点。

【关键词】：
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP393.092
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前2条

1 王晶;朱珂;汪斌强;;基于信息数据分析的微博研究综述[J];计算机应用;2012年07期

2 王晓光;;微博客用户行为特征与关系特征实证分析——以“新浪微博”为例[J];图书情报工作;2010年14期

【共引文献】

中国期刊全文数据库 前10条

1 张航;;大学生高频率转发微博的行为分析与思考[J];经济研究导刊;2012年12期

2 黄映玲;;微博传播机制及其在教育中的有效应用分析[J];中国教育信息化;2011年08期

3 肖宇;许炜;商召玺;;微博用户区域影响力识别算法及分析[J];计算机科学;2012年09期

4 许筠芸;陆贤彬;;移动社会化媒体技术接受与匹配影响因素研究——以移动微博客户端发布行为为例[J];经济与管理;2013年02期

5 吴凯;季新生;刘彩霞;;基于行为预测的微博网络信息传播建模[J];计算机应用研究;2013年06期

6 周本达;王煦法;姚宏亮;;一种求解社区检测问题的改进分布估计算法[J];计算机工程;2013年07期

7 刘大有;金弟;何东晓;黄晶;杨建宁;杨博;;复杂网络社区挖掘综述[J];计算机研究与发展;2013年10期

8 张泽华;苗夺谦;钱进;;邻域粗糙化的启发式重叠社区扩张方法[J];计算机学报;2013年10期

9 伍杰华;;基于划分社区和差分共邻节点贡献的链路预测[J];计算机应用研究;2013年10期

10 马昱欣;徐佳逸;彭帝超;张婷;金呈哲;屈华民;陈为;彭群生;;A Visual Analysis Approach for Community Detection of Multi-Context Mobile Social Networks[J];Journal of Computer Science & Technology;2013年05期

中国博士学位论文全文数据库 前10条

1 谭婷婷;网络微内容推荐方法及支持系统研究[D];华中科技大学;2011年

2 易兰丽;基于人类动力学的微博用户行为统计特征分析与建模研究[D];北京邮电大学;2012年

3 肖宇;校园网络信息传播特性与用户影响力研究[D];华中科技大学;2012年

4 吴保来;基于互联网的社交网络研究[D];中共中央党校;2013年

5 段东圣;社会网络中群组探测和话题建模技术研究[D];华中科技大学;2013年

6 谢辉;基于复杂网络的若干动态机制研究[D];西安电子科技大学;2013年

7 刘瑶;社会网络特征分析与社团结构挖掘[D];电子科技大学;2013年

8 田占伟;基于复杂网络的微博信息传播研究[D];哈尔滨工业大学;2012年

9 史艳翠;基于通信数据的上下文移动用户偏好动态获取方法研究[D];北京邮电大学;2013年

10 郭龙飞;社交网络用户隐私关注动态影响因素及行为规律研究[D];北京邮电大学;2013年

中国硕士学位论文全文数据库 前10条

1 许玉;基于微博的网络口碑研究[D];南京大学;2011年

2 张岚岚;新浪微博的网络舆情分析研究[D];华东师范大学;2011年

3 史亚光;企业微博客营销策略研究[D];华东师范大学;2011年

4 纪珊珊;传播学视野下的微博研究[D];安徽大学;2011年

5 邵国川;基于用户参与的高校图书馆信息服务研究[D];安徽大学;2011年

6 施怿;微博在危机事件中的传播特点和效果研究[D];华中科技大学;2011年

7 陆毅;微博社会网络构造与分析技术研究[D];复旦大学;2011年

8 贺佳莹;微博客用户接受模型及实证研究[D];北京邮电大学;2012年

9 杨艳;下一代网络业务用户行为研究[D];西南交通大学;2012年

10 陈晓明;企业微博客营销效果的影响因素分析[D];暨南大学;2012年

【二级参考文献】

中国期刊全文数据库 前5条

1 许晓东;肖银涛;朱士瑞;;微博社区的谣言传播仿真研究[J];计算机工程;2011年10期

2 姚长青;乔晓东;张连均;王子祥;;基于NSTL原文索取数量的空间自相关性分析[J];情报科学;2009年10期

3 廉捷;周欣;曹伟;刘云;;新浪微博数据挖掘方案[J];清华大学学报(自然科学版);2011年10期

4 李爽;;从微博中挖掘有用信息[J];网络与信息;2011年06期

5 汤建民;;国内高等教育研究现状和发展动向的计量分析——基于12种高等教育研究核心期刊所发表的4800多篇论文题名的词频统计[J];现代大学教育;2007年05期

【相似文献】

中国期刊全文数据库 前10条

1 肖伟;全惠云;;具有调和特性的蚁群改进算法[J];计算机工程与应用;2005年34期

2 刘江华;戴新喜;白似雪;;基于模式矩阵的P_Matrix算法[J];南昌大学学报(理科版);2007年05期

3 袁万莲;郑诚;翟明清;;一种改进的Apriori算法[J];计算机技术与发展;2008年05期

4 周爱武;崔丹丹;肖云;;一种改进的K-means聚类算法[J];微型机与应用;2011年21期

5 李静燕;;改进的Apriori算法在教学质量评价中的应用[J];价值工程;2013年01期

6 邓勇,施文康;发现频繁情节的改进算法[J];上海交通大学学报;2005年03期

7 李环宇;杜春玲;李保银;;一种基于关联规则挖掘的改进算法[J];福建电脑;2007年01期

8 周树德;孙增圻;;分布估计算法综述[J];自动化学报;2007年02期

9 刘华婷;郭仁祥;姜浩;;关联规则挖掘Apriori算法的研究与改进[J];计算机应用与软件;2009年01期

10 许广林;刘念祖;冯嘉礼;刘永昌;;掘客投票算法的属性论方法[J];智能系统学报;2009年02期

中国重要会议论文全文数据库 前10条

1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年

2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年

3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年

4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年

7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

8 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

9 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前10条

1 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年

2 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

3 潘磊;若干社区发现算法研究[D];南京大学;2014年

4 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年

5 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

6 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年

7 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

8 刘维;生物序列模式挖掘与识别算法的研究[D];南京航空航天大学;2010年

9 吴擎;基于模式搜索的类电磁机制算法研究与应用[D];华中科技大学;2013年

10 刘微;基于生物行为的射频识别系统优化模型与算法研究[D];吉林大学;2011年

中国硕士学位论文全文数据库 前10条

1 桑磊;蚁群算法的研究以及在网络多点路由问题上的应用[D];吉林大学;2010年

2 范红梅;蚁群算法的改进[D];燕山大学;2007年

3 唐艺军;基于蚁群算法的数据挖掘应用研究[D];辽宁工程技术大学;2007年

4 田婧;蚁群算法在电厂过热汽温控制中的应用[D];华北电力大学;2011年

5 常健;K-Means算法的一种GPU实现[D];吉林大学;2012年

6 万军;加权关联规则挖掘算法的研究与改进[D];广西大学;2013年

7 武燕;粒子群改进算法及在混合神经网络中的应用研究[D];景德镇陶瓷学院;2014年

8 刘勇;类电磁机制算法的研究与改进[D];西安电子科技大学;2013年

9 韩天鹏;关联规则挖掘算法研究及其应用[D];中南民族大学;2008年

10 申二威;分布式互斥请求集生成算法的研究[D];内蒙古农业大学;2010年

  本文关键词：企业微博客营销效果的影响因素分析，，由笔耕文化传播整理发布。

本文编号：84723