有向社交网络中社区发现算法研究及应用

发布时间：2021-04-15 05:32

　　随着互联网技术的不断发展,人们生活中的娱乐交友、物质消费、信息消费等方方面面都不断被网络化、智能化、终端化。生活中网络服务平台,诸如Sina微博、淘宝、Sina博客、豆瓣网、大众点评等,这些网络系统中的主体与主体间的联系均可以抽象为有向网络图,并对其进行分析研究。社区发现作为社交网络分析的重点工作,其有助于了解系统的内部拓扑结构、功能分类、演变规律,也可用于挖掘服务平台的潜藏的商业价值、提升系统服务质量等重要应用。随着对社交网络数理特性研究的不断深入,研究人员发现了许多网络都具有常见特性:小世界性质、幂律度分布、网络传递性、社区结构等,社区结构作为网络重要属性,围绕其研究产生了大量的社区发现算法。然而,以往大多数社区发现算法都只适用于无向网络图,忽略了联系边的有向性这一重要价值信息,导致社区划分结果差强人意。本文首先介绍了有向社交网络社区发现的研究背景及意义、国内外研究现状,本文主要工作及全文组织结构。其次描述了有向社交网络的含义、表示、特征,社区及社区发现的含义、社区结构特征及度量标准等相关基础理论技术。在前人研究工作基础上,本文提出了改进的基于启发式的局部搜索社区发现NSRC算法,... 

【文章来源】：重庆理工大学重庆市

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要工作
    1.4 本文组织结构
2 有向社交网络中社区发现相关技术简介
    2.1 有向社交网络的介绍
        2.1.1 有向社交网络的含义
        2.1.2 有向社交网络的表示
        2.1.3 有向社交网络的特征
    2.2 社区及社区发现的含义
    2.3 社区结构的特征
    2.4 社区结构的度量标准
        2.4.1 聚类纯度
        2.4.2 标准化互信息
        2.4.3 模块度
    2.5 本章小结
3 基于启发式的局部搜索社区发现算法
    3.1 社区发现相关启发式思想的理论支撑
        3.1.1 六度传播模式简介
        3.1.2 三元闭包理论简介
    3.2 社区发现相关问题探究
        3.2.1 有向社交网络中心节点选取研究
        3.2.2 有向社交网络中初始社区子团发现研究
        3.2.3 局部搜索规则研究
    3.3 基于启发式的局部搜索社区发现NSRC算法
        3.3.1 算法描述
        3.3.2 算法NSRC时空开销分析
    3.4 算法实验结果对比与分析
        3.4.1 实验运行环境简介
        3.4.2 实验数据集
        3.4.3 实验结果对比分析
    3.5 本章小结
4 有向社交网络社区发现算法的应用
    4.1 社区发现算法相关典型应用介绍
        4.1.1 广告推送
        4.1.2 信息排序
        4.1.3 好友推荐
    4.2 博客推荐的应用场景描述
    4.3 基于博主社交关系的博客推荐算法
        4.3.1 PageRank算法简介
        4.3.2 计算博主影响力的PeopleRank算法
    4.4 融合社区发现和博主影响力的联合博客推荐算法
    4.5 本章小结
5 博客推荐系统设计与实现
    5.1 博客推荐系统需求分析
    5.2 博客推荐系统总体设计
        5.2.1 博客推荐系统总体框架
        5.2.2 博客推荐系统整体流程
    5.3 博客推荐系统详细设计与实现
        5.3.1 博客推荐系统数据库设计
        5.3.2 博客推荐系统详细设计与实现
    5.4 本章小结
6 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果


【参考文献】：
期刊论文
[1]基于复杂网络的海洋涡旋移动特征研究——以南海为例[J]. 杜云艳,莫洋,王会蒙,易嘉伟.  海洋学报. 2017(07)
[2]有向网络下的CoDA社区发现算法评估[J]. 郭松,张冬雯,许云峰,杨玉林,郑雅洁,柳晨光.  河北科技大学学报. 2017(02)
[3]国内外机构知识库建设现状及建议[J]. 朱立禄,宋世俊,王琳.  现代情报. 2017(03)
[4]基于最优特征向量的谱二分社团检测方法[J]. 周旸,陈晓云,程建军,刘伟,苗海飞.  计算机科学与探索. 2017(12)
[5]引入极值非相邻连接的连接聚类方法[J]. 王贵参,黄岚,王岩,宋立明,欧歌.  吉林大学学报(工学版). 2016(05)
[6]一种基于交叉熵的社区发现算法[J]. 于海,赵玉丽,崔坤,朱志良.  计算机学报. 2015(08)
[7]基于支持向量机的炒作微博识别方法[J]. 董雨辰,刘琰,罗军勇,张进.  计算机工程. 2015(03)
[8]基于随机游走的语义重叠社区发现算法[J]. 辛宇,杨静,谢志强.  计算机研究与发展. 2015(02)
[9]传播过程中信号缺失的层次聚类社区发现算法[J]. 康茜,李德玉,王素格,冀庆斌.  计算机工程与应用. 2015(09)
[10]在线社会网络的动态社区发现及演化[J]. 王莉,程学旗.  计算机学报. 2015(02)

博士论文
[1]重叠社区发现中的边聚类算法研究[D]. 王贵参.吉林大学 2016

硕士论文
[1]社交网络社区发现问题的研究[D]. 方磊.南京航空航天大学 2016
[2]社会网络上的社区发现算法研究[D]. 张善卓.哈尔滨工业大学 2014
[3]一种基于节点分裂的重叠社区发现算法[D]. 郭强.哈尔滨工程大学 2013
[4]有向网络的社区发现算法研究[D]. 张博.电子科技大学 2013
[5]复杂网络机制模型和重要节点挖掘算法研究[D]. 李宠.哈尔滨工程大学 2013



本文编号：3138737