社会网络中节点排名与结构相似度度量算法研究

发布时间：2017-12-12 18:37

  本文关键词：社会网络中节点排名与结构相似度度量算法研究

  更多相关文章： 社会网络 链接挖掘(图挖掘) 节点排名 结构相似性度量

【摘要】：社会网络逐渐变成人们进行联系、交流和知识分享的途径、平台,拥有着大量有价值的信息,它的在线网络结构能直接或间接的反映社会成员之间的关联。因而,社会网络的解析和探索不可避免的成为计算机科学、生物学、物理学等诸多学科交叉的热点研究领域。链接挖掘作为社会网络分析的一个关键手段,它具有充分利用网络中节点间的链接结构来对此社会网络的特征、形态、功能等进行全方位剖析的能力。链接挖掘已被广泛的应用到众多研究领域之中,例如社团检测、推荐系统、近似查询处理、生物信息学和协同过滤技术等。对社会网络中的节点进行排名和节点间结构相似度度量是链接挖掘的两个基本任务,并且其在各个研究领域的学者间引起了极大的关注。随着社会网络的普及和基于网络结构挖掘应用的出现,研究者通过提取出社会网络中前k个处于主宰地位的节点和得到与一个己知节点具有高相似度节点的集合,来探索人们所感兴趣的有用信息。但是,截至目前为止,学者们都是相对独立的研究这两个问题,而忽略了它们之间存在的必然联系。实际上,节点排列和节点对的结构相似度度量之间有着明确的相互影响、相互制约的关系。在本文中,我们提出了一个创新性的计算框架-S2RR2S。它在排列节点的同时也可被用于准确度量节点间的相近程度。这个架构包括两个主要的算法：S2R和R2S。S2R方法的构成思想是“如果两个节点在社会网络中具有较高的结构相似性,则它们拥有相近的排名”。在节点对结构相似度的帮助下,S2R可以有效的衡量各个节点的排名。与此同时,R2S在摒弃类SimRank算法构建理念的前提下,融入了节点的特征信息。因此,R2S没有SimRank遭遇的所谓的“零相似度”问题和违反直觉的漏洞。在S2RR2S架构中,S2R和R2S算法被交替迭代的执行直至收敛为止。在真实数据集上的实验结果展示,本文所提出的方法不论在节点排名还是在结构相似度计算上都显示出其卓越的性能。与其它算法相比,节点对的R2S分值具有明确的解释意义,更具实用价值。总而言之,S2RR2S度量模型是一个高效的节点排名和结构相似度度量算法。
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;TP311.13

【相似文献】

中国期刊全文数据库 前1条

1 陶振宁,吴德明,徐安士;有阻塞OXC节点的图表示[J];北京大学学报(自然科学版);2001年05期

中国重要会议论文全文数据库 前2条

1 邵永波;;主管应力对T节点在轴力作用下承载能力的影响[A];第17届全国结构工程学术会议论文集（第Ⅰ册）[C];2008年

2 邵永波;;主管管壁加厚的T型方钢管节点的滞回性能研究[A];第18届全国结构工程学术会议论文集第Ⅰ册[C];2009年

中国硕士学位论文全文数据库 前4条

1 马敏;社会网络中节点排名与结构相似度度量算法研究[D];兰州大学;2015年

2 黄s，

本文编号：1283562