基于动态数据场的位置社交网络社区发现方法研究

发布时间：2021-02-19 12:28

　　随着互联网技术的蓬勃发展,包括Facebook、Twitter、微信、微博等社交网络已然成为每个人生活中重要的社交媒介。与此同时,伴随着GPS技术的不断提升,传统的在线社交网络与基于位置的服务充分结合,基于位置的社交网络即LBSN（Location-based Social Network）也就应运而生。基于位置的社交网络通过用户的签到行为,把线上虚拟社交环境与线下真实位置环境充分结合在一起。在对社交网络的研究中,通过社区发现可以了解用户间联系的密切程度,获取用户之间的社交关系及社交角色,有助于理解社交网络拓扑结构特点从而进行社区内个体关系行为的演化分析。在基于位置的社交网络中,用户的好友关系体现为社交网络的拓扑结构,受到用户间交互行为的影响,而用户签到行为所产生的地理位置信息则是线下真实的社交行为的体现。通过加入地理位置属性,在进行社区发现时,真实的地理位置信息可以作为一个重要的影响因素,加入到社区发现方法中,从而提升划分结果的准确性,使得社区发现的结果更加准确。现有的社区发现方法大多根据社交网络的拓扑结构或用户间交互进行研究,这些方法不能很好地适用于具有多模异构特性的基于位置的社区... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

LDA文档生成模型图

用户在各兴趣点类的签到情况分布图

图 4.3 用户在各兴趣点类的签到情况图图 4.4 用户在各兴趣点类的签到情况分布图由图4.3及4.4分析可知，用户在Food类兴趣点签到记录最多，约占总比的42.26%，其次是用户在 Home / Work / Other 的签到记录，约占总比的 11.30%，用户在 College &Education 类的签到记录相对较少，仅占总比的 2.41%，而在其他类的签到记录均在8%~10%范围内。上述结果表明

【参考文献】：
期刊论文
[1]Mining potential social relationship with active learning in LBSN[J]. 王海平,Zhang Hong,Wang Yong,Bing Jia.  High Technology Letters. 2017(02)
[2]基于边图的重叠社团检测研究[J]. 桂春,林强.  计算机应用研究. 2018(05)
[3]基于标签传播算法在重叠社区发现中的改进[J]. 王茜,方旭.  现代计算机(专业版). 2017(12)
[4]基于位置服务的移动GIS[J]. 洪文菊,苟刚,薛现斌.  计算机系统应用. 2017(04)
[5]基于大数据和机器学习的微博用户行为分析系统[J]. 章博亨,刘健,朱宇翔,吴帆,程维.  电脑知识与技术. 2017(06)
[6]社交网络中基于模块度最大化的标签传播算法的研究[J]. 陈晶,万云.  通信学报. 2017(02)
[7]基于用户行为特征的微博转发预测研究[J]. 刘玮,贺敏,王丽宏,刘悦,沈华伟,程学旗.  计算机学报. 2016(10)
[8]一种面向语义重叠社区发现的Link-Block算法[J]. 辛宇,杨静,谢志强.  软件学报. 2016(02)
[9]基于位置服务的应用技术和发展趋势[J]. 赵军,车红岩.  测绘科学. 2016(04)
[10]基于位置的社交网络研究综述[J]. 朱立超,李治军,姜守旭.  数码世界. 2015(09)

硕士论文
[1]基于节点位置分析的重叠社区发现研究[D]. 赵亚.中国矿业大学 2016
[2]LBSN中基于社交关系和时空主题的社区发现研究[D]. 董羿.东南大学 2015
[3]社交网络中基于地理位置特征的社团发现方法研究与实现[D]. 蒋江涛.北京航空航天大学 2014
[4]基于数据场理论的网络重要节点寻址算法[D]. 吕乐.华南理工大学 2011
[5]基于加权边介数的Web社区发现方法[D]. 胡桓.大连理工大学 2008



本文编号：3041121