社交网络中基于多约束的优化路径选择
发布时间：2022-01-20 03:06
随着社会媒体等技术的迅速发展,数以亿计的参与者加入社交网络,他们在网上从事经验交流、发帖和评论等日常活动,社交网络已经成为人们日常活动的一部分。当前,对参与者的信任评估成为社交网络中的重要问题。由于参与者数量的增长,使得社交网络的规模增大,网络结构复杂,给参与者的信任评估带来了严峻挑战。本文研究重点是在社交网络中设计优化路径选择算法,考虑参与者的多约束条件,完成从源参与者到目标参与者的信任评估。主要研究内容如下:（1）在社交网络中,以参与者的信任度、亲密度、声望等社交属性作为约束条件,设计多约束双向选择算法（MBS）,保证了路径查询质量,解决了对参与者的信任评估问题。（2）在MBS中,参与者的空间位置信息和社交身份在路径选择中发挥着重要作用,同时考虑到参与者的空间属性和社交属性,提出了基于IR-Tree的多约束双向选择算法（IR-Tree-MBS）。该算法充分利用IR-Tree的结构特点,快速进行距离剪枝和关键词剪枝,有效地减少了搜索空间,提高了算法的执行效率,节约了用户的查询代价。（3）在IR-Tree-MBS算法的基础上,提出了多约束路径模式匹配模型（MPM）,以解决从模式图到数据...
【文章来源】：青岛科技大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
复杂社交网络结构示意图
社交网络中基于多约束的优化路径选择16与者之间还有其空间属性和关键字属性，这在已存在的社交网络中基于多约束的优化路径选择算法中很少被考虑到。因此，我们在复杂社交网络的基础上加入了空间属性和关键字属性，将其扩展为基于地理位置信息的复杂社交网络（LocationBasedSocialNetwork,LBSN），其示意图如2-3所示。下面将对相关概念进行介绍：图2-3基于地理位置的复杂社交网络示意图Fig.2-3Geographicalcomplexsocialnetworkdiagram其中，loc(*)代表任一参与者的地理位置信息，具有如下的数据格式：loc(*)(lng(*),lat(*))。lng(*)和lat(*)分别表示该参与者的经度和纬度。在本文中，任意两个参与者iv和jv之间的距离采用欧式距离（其他度量方法，如路网距离，曼哈顿距离等方法也可使用）计算，其计算公式如下：22,ijjijidisvvlngvlngvlatvlatv(2-4)在图2-3中，k(*)表示任一参与者的关键词集合，由一系列字符串构成，它很好地描述了参与者的社交身份。2.3.3多约束路径模式匹配上面分别介绍了复杂社交网络和扩展复杂社交网络结构，基于扩展复杂社交网络结构，提出了多约束路径模式匹配的概念，下面将对相关的术语和概念进行详细阐述。(定义1数据图)让G表示LBSN中参与者的数据图。每一个参与者iv都与一关键词集合()ikv相关联且都有一个经纬度坐标((),())iilngvlatv标识其空间位置，还拥有其声望()isrv，且该参与者与其他参与者jv之间存在信任度(,)ijtdvv和亲密度(,)ijidvv。
青岛科技大学研究生学位论文27(a)Objectsandtheirboundingrectanglesg(b)R-TreeforobjectsjinFig.3-1(a)g(c)InvertedfileunderNon-leafnode4Rand5R图3-1IR-Tree实例Fig.3-1AnexampleofIR-Tree以上是对IR-Tree相关原理和技术的介绍，在执行算法之前，需要对所有节点建立IR-Tree索引。之后根据IR-Tree的结构特点，采用关键词剪枝和距离约束剪枝，快速锁定候选集合，最后，在候选集合中采用MBS算法确定符合社交关系的路径。采用IR-Tree的好处是：1）可以将节点的位置信息和文本信息关联起来，便于查找；2）节点之间的空间位置关系可以通过其MBR之间的关系快速确定。然后可以根据Algorithm2（MBS）快速查找满足多约束条件的路径。图3-2两个对象间的最小和最大距离Fig.3-2Minimumandmaximumdistancebetweentwoobjects
【参考文献】：
期刊论文
[1]节点影响力下的改进SIR传播模型[J]. 陈紫扬,张月霞. 电讯技术. 2019(12)
[2]基于运输安全的自适应多目标路径优化算法[J]. 吴耕锐,郭三学,吴虎胜,薄鸟. 兵器装备工程学报. 2019(08)
[3]社交网络中信任度量模型的构建与应用[J]. 王汉旭. 电子世界. 2019(06)
[4]一种提高社交网络中客户和目标用户间路径可靠性的算法[J]. 徐文丽,赵成萍,严华. 科学技术与工程. 2018(36)
[5]WSN中利用蚁群路径优化的时隙选择重排算法[J]. 余光华,余成. 计算机应用研究. 2018(10)
[6]在线社交网络信息传播研究综述[J]. 胡长军,许文文,胡颖,方明哲,刘峰. 电子与信息学报. 2017(04)
[7]社交网络推荐系统[J]. 张翠莲. 电脑知识与技术. 2016(27)
[8]基于蚁群算法在实际动态路网中搜索最佳路径的应用[J]. 姜波清,程朋根,吴少华,熊子潇,李浩. 测绘与空间地理信息. 2016(03)
[9]车辆运输路径选择低碳优化建模仿真[J]. 张之勇. 计算机仿真. 2015(07)
[10]大规模图数据匹配技术综述[J]. 于静,刘燕兵,张宇,刘梦雅,谭建龙,郭莉. 计算机研究与发展. 2015(02)
博士论文
[1]空间关键字查询相关问题研究[D]. 张鹏飞.浙江大学 2018
[2]面向图数据的复杂多属性路径查询技术研究[D]. 张克宏.大连理工大学 2017
硕士论文
[1]基于负载均衡与QoE的SDN网络路径选择算法研究[D]. 窦浩铭.南京邮电大学 2019
[2]面向大图数据的图模式匹配研究[D]. 张芳.合肥工业大学 2019
[3]信任路径生成研究[D]. 魏桐.烟台大学 2019
[4]结合粒子群算法和改进蚁群算法的机器人混合路径规划[D]. 宋彬.中国矿业大学 2018
[5]空间文本数据查询处理技术研究与实现[D]. 郭帅.南京航空航天大学 2018
[6]基于CMT-SCTP的传输路径选择算法研究及应用[D]. 周凯.东北大学 2016
[7]基于社区结构的社交网络最优路径生成方法研究[D]. 李冠军.西安电子科技大学 2015
[8]基于社交网络和信任模型的推荐系统的研究与实现[D]. 肖志宇.东南大学 2015
[9]面向社交网站的数据挖掘应用研究—用户关系分析[D]. 孙萌.南京邮电大学 2014
本文编号：3598055
【文章来源】：青岛科技大学山东省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
复杂社交网络结构示意图
社交网络中基于多约束的优化路径选择16与者之间还有其空间属性和关键字属性，这在已存在的社交网络中基于多约束的优化路径选择算法中很少被考虑到。因此，我们在复杂社交网络的基础上加入了空间属性和关键字属性，将其扩展为基于地理位置信息的复杂社交网络（LocationBasedSocialNetwork,LBSN），其示意图如2-3所示。下面将对相关概念进行介绍：图2-3基于地理位置的复杂社交网络示意图Fig.2-3Geographicalcomplexsocialnetworkdiagram其中，loc(*)代表任一参与者的地理位置信息，具有如下的数据格式：loc(*)(lng(*),lat(*))。lng(*)和lat(*)分别表示该参与者的经度和纬度。在本文中，任意两个参与者iv和jv之间的距离采用欧式距离（其他度量方法，如路网距离，曼哈顿距离等方法也可使用）计算，其计算公式如下：22,ijjijidisvvlngvlngvlatvlatv(2-4)在图2-3中，k(*)表示任一参与者的关键词集合，由一系列字符串构成，它很好地描述了参与者的社交身份。2.3.3多约束路径模式匹配上面分别介绍了复杂社交网络和扩展复杂社交网络结构，基于扩展复杂社交网络结构，提出了多约束路径模式匹配的概念，下面将对相关的术语和概念进行详细阐述。(定义1数据图)让G表示LBSN中参与者的数据图。每一个参与者iv都与一关键词集合()ikv相关联且都有一个经纬度坐标((),())iilngvlatv标识其空间位置，还拥有其声望()isrv，且该参与者与其他参与者jv之间存在信任度(,)ijtdvv和亲密度(,)ijidvv。
青岛科技大学研究生学位论文27(a)Objectsandtheirboundingrectanglesg(b)R-TreeforobjectsjinFig.3-1(a)g(c)InvertedfileunderNon-leafnode4Rand5R图3-1IR-Tree实例Fig.3-1AnexampleofIR-Tree以上是对IR-Tree相关原理和技术的介绍，在执行算法之前，需要对所有节点建立IR-Tree索引。之后根据IR-Tree的结构特点，采用关键词剪枝和距离约束剪枝，快速锁定候选集合，最后，在候选集合中采用MBS算法确定符合社交关系的路径。采用IR-Tree的好处是：1）可以将节点的位置信息和文本信息关联起来，便于查找；2）节点之间的空间位置关系可以通过其MBR之间的关系快速确定。然后可以根据Algorithm2（MBS）快速查找满足多约束条件的路径。图3-2两个对象间的最小和最大距离Fig.3-2Minimumandmaximumdistancebetweentwoobjects
【参考文献】：
期刊论文
[1]节点影响力下的改进SIR传播模型[J]. 陈紫扬,张月霞. 电讯技术. 2019(12)
[2]基于运输安全的自适应多目标路径优化算法[J]. 吴耕锐,郭三学,吴虎胜,薄鸟. 兵器装备工程学报. 2019(08)
[3]社交网络中信任度量模型的构建与应用[J]. 王汉旭. 电子世界. 2019(06)
[4]一种提高社交网络中客户和目标用户间路径可靠性的算法[J]. 徐文丽,赵成萍,严华. 科学技术与工程. 2018(36)
[5]WSN中利用蚁群路径优化的时隙选择重排算法[J]. 余光华,余成. 计算机应用研究. 2018(10)
[6]在线社交网络信息传播研究综述[J]. 胡长军,许文文,胡颖,方明哲,刘峰. 电子与信息学报. 2017(04)
[7]社交网络推荐系统[J]. 张翠莲. 电脑知识与技术. 2016(27)
[8]基于蚁群算法在实际动态路网中搜索最佳路径的应用[J]. 姜波清,程朋根,吴少华,熊子潇,李浩. 测绘与空间地理信息. 2016(03)
[9]车辆运输路径选择低碳优化建模仿真[J]. 张之勇. 计算机仿真. 2015(07)
[10]大规模图数据匹配技术综述[J]. 于静,刘燕兵,张宇,刘梦雅,谭建龙,郭莉. 计算机研究与发展. 2015(02)
博士论文
[1]空间关键字查询相关问题研究[D]. 张鹏飞.浙江大学 2018
[2]面向图数据的复杂多属性路径查询技术研究[D]. 张克宏.大连理工大学 2017
硕士论文
[1]基于负载均衡与QoE的SDN网络路径选择算法研究[D]. 窦浩铭.南京邮电大学 2019
[2]面向大图数据的图模式匹配研究[D]. 张芳.合肥工业大学 2019
[3]信任路径生成研究[D]. 魏桐.烟台大学 2019
[4]结合粒子群算法和改进蚁群算法的机器人混合路径规划[D]. 宋彬.中国矿业大学 2018
[5]空间文本数据查询处理技术研究与实现[D]. 郭帅.南京航空航天大学 2018
[6]基于CMT-SCTP的传输路径选择算法研究及应用[D]. 周凯.东北大学 2016
[7]基于社区结构的社交网络最优路径生成方法研究[D]. 李冠军.西安电子科技大学 2015
[8]基于社交网络和信任模型的推荐系统的研究与实现[D]. 肖志宇.东南大学 2015
[9]面向社交网站的数据挖掘应用研究—用户关系分析[D]. 孙萌.南京邮电大学 2014
本文编号：3598055
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3598055.html
