在线网络的结构挖掘算法及其应用研究

发布时间：2021-01-01 13:02

　　随着移动互联网技术的快速发展,以社交、购物、求职、金融等为代表领域的在线信息服务平台使得用户的行为活动越来越多的从线下转为线上。而且,行为活动中形成的海量网络数据,一方面记录了用户的基本属性（如年龄、性别、信仰、职业、籍贯等）和用户或物品的信息（如文本、图片、标签等）;另一方面也抽象地表征了用户之间的社交关系（如朋友关系、同事关系等）和用户与物品之间的从属关系（如购买关系、评价关系等）,形成了以用户或物品等为节点的在线网络,如用户之间的在线社交网络和用户—物品二分网络等。同时,随着网络科学理论的快速发展,网络结构挖掘中的链路预测与社团挖掘问题已成为多学科交叉领域的研究热点。通过对这些问题的研究,已经形成不同类型的链路预测算法和社团挖掘算法,且在不同领域得到广泛的应用。本文基于在线信息服务平台中用户产生的海量网络数据,以表征用户之间或用户与物品之间关系的在线网络为研究对象,研究能够准确地预测在线网络潜在连边和高效地识别在线网络社团结构的网络结构挖掘算法,并将提出的算法应用于社会经济预测研究。本文主要的研究内容和创新点总结如下:（1）提出了三种链路预测算法。首先,针对在线网络中节点的标签信... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：142 页

【学位级别】：硕士

【部分图文】：

–2国际金融网络的一个例子[45][129]

–19各城市产业结构

【参考文献】：
期刊论文
[1]在线数据揭示预期薪金的影响因素[J]. 王军,高见,杨枭,刘金虎,周涛.  电子科技大学学报. 2019(02)
[2]大数据揭示经济发展状况[J]. 高见,周涛.  电子科技大学学报. 2016(04)
[3]在线社交网络结构与区域经济关联性研究[J]. 任晓龙,朱燕燕,王思云,廖好,韩筱璞,吕琳媛.  电子科技大学学报. 2015(05)
[4]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[5]Tag-Aware Recommender Systems:A State-of-the-Art Survey[J]. 张子柯,周涛,张翼成.  Journal of Computer Science & Technology. 2011(05)
[6]结合最大熵模型和tag特征的混合推荐系统[J]. 王卫平,杨磊.  计算机系统应用. 2011(07)
[7]复杂网络链路预测[J]. 吕琳媛.  电子科技大学学报. 2010(05)
[8]基于社会网络分析的社会化标签网络分析与个性化信息服务研究[J]. 易明,王学东,邓卫华.  中国图书馆学报. 2010(02)
[9]个性化推荐系统评价方法综述[J]. 刘建国,周涛,郭强,汪秉宏.  复杂系统与复杂性科学. 2009(03)
[10]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)

博士论文
[1]社会化网络的结构、演化和应用研究[D]. 刘金虎.电子科技大学 2016

硕士论文
[1]在线网络挖掘系统的研究与实现[D]. 朱元波.南京航空航天大学 2013



本文编号：2951338