社会网络结构及影响力分析方法研究
发布时间：2023-02-10 20:44
21世纪是人类高度依赖社会网络、深度融入信息社会的世纪。社会网络正在不断地改变着人类的行为模式和社会形态,影响着社会经济的发展以及人们的生活方式。结构特征是社会网络的本质特征,社会网络结构分析是社会网络理论研究和实践应用的重要基础,已成为当前学术界的研究热点和前沿课题。对社会网络的研究能够使人们更加深入地理解社会网络的结构特性,有助于人们认知社会和解释社会现象,适应社会网络给人们工作、学习等带来的变化。同时,进一步揭示社会网络内在的结构功能,理解社会网络个体行为及情感,把握社会网络发展的方向,能够有效地解决社会问题、维护社会稳定和协调社会行为,也能为社会学、管理学等学科的相关研究提供技术支持,因此对社会网络结构及影响力分析的研究具有重要的理论研究价值和广阔的应用前景。本文从宏观、中观和微观三个层面对社会网络结构分析开展研究。一方面,从宏观上研究分析社会网络拓扑结构特性并构建社会网络演化模型,为中观社区识别和微观节点影响力分析提供理论和数据支持;另一方面,从中观和微观角度研究如何设计更加可行、高效和可靠的方法,解决社会网络社区识别和影响力最大化研究中存在的技术难点问题,为开展社会网络分析...
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 社会网络结构演化模型研究
1.2.2 社会网络社区识别方法研究
1.2.3 社会网络影响力分析方法研究
1.3 主要研究内容
1.4 论文组织结构
第2章 基于信息传播特性的社会网络演化模型研究
2.1 引言
2.2 基本概念
2.3 社会网络中的节点信息传播
2.3.1 领域向量及领域匹配度
2.3.2 节点信息传播的局部特性
2.3.3 节点间信息传播特点
2.4 基于信息传播特性的社会网络演化模型
2.4.1 模型外部参数设置
2.4.2 模型初始化
2.4.3 社会网络演化模型NME
2.5 实验结果与分析
2.5.1 实验数据集
2.5.2 节点度分布
2.5.3 网络异质性
2.5.4 聚集特性
2.5.5 模型演化过程中特性分析
2.6 本章小结
第3章 基于标签环形扩散的非重叠社区识别方法
3.1 引言
3.2 问题描述
3.2.1 社区的定义
3.2.2 社区的环状结构
3.2.3 标签传播中的回溯现象
3.3 标签环形扩散非重叠社区识别算法
3.3.1 预处理操作
3.3.2 节点影响力计算
3.3.3 基于标签环形扩散的非重叠社区识别算法
3.4 实验结果与分析
3.4.1 真实网络数据集划分效果
3.4.2 环状扩散更新方式
3.4.3 CS-LPA算法中阈值η的选取影响
3.4.4 算法运行时间对比
3.4.5 真实网络数据集模块度比较与分析
3.4.6 人工网络数据集实验对比分析
3.4.7 NME数据集实验对比分析
3.5 本章小结
第4章 基于节点隶属度的标签传播重叠社区识别方法
4.1 引言
4.2 基于拓扑势的节点影响力及约束
4.3 社会网络节点隶属度
4.3.1 节点局部相似性度量
4.3.2 节点隶属度计算
4.4 基于节点隶属度的标签传播重叠社区识别算法
4.5 实验与结果分析
4.5.1 实验数据选择
4.5.2 四种数据集划分效果对比
4.5.3 分组情况η的取值分析
4.5.4 真实网络数据集模块度对比分析
4.5.5 人工网络数据集测试结果
4.5.6 MCLPA算法的应用
4.6 本章小结
第5章 基于社区识别的社会网络影响力最大化方法
5.1 引言
5.2 问题描述
5.2.1 影响力最大化问题
5.2.2 独立级联模型
5.2.3 社会网络影响力最大化算法
5.3 基于社区识别的社交网络影响力最大化算法
5.3.1 节点影响力度量
5.3.2 Top-K节点选择策略
5.3.3 局部边缘去重
5.3.4 社交网络影响力最大化算法
5.4 实验与结果分析
5.4.1 实验数据集
5.4.2 距离参数l取值分析
5.4.3 对比算法与参数设置
5.4.4 Email网络的结果与分析
5.4.5 Yeast网络的结果与分析
5.4.6 BitcoinAlpha网络的结果与分析
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文和取得的科研成果
致谢
本文编号：3739882
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 社会网络结构演化模型研究
1.2.2 社会网络社区识别方法研究
1.2.3 社会网络影响力分析方法研究
1.3 主要研究内容
1.4 论文组织结构
第2章 基于信息传播特性的社会网络演化模型研究
2.1 引言
2.2 基本概念
2.3 社会网络中的节点信息传播
2.3.1 领域向量及领域匹配度
2.3.2 节点信息传播的局部特性
2.3.3 节点间信息传播特点
2.4 基于信息传播特性的社会网络演化模型
2.4.1 模型外部参数设置
2.4.2 模型初始化
2.4.3 社会网络演化模型NME
2.5 实验结果与分析
2.5.1 实验数据集
2.5.2 节点度分布
2.5.3 网络异质性
2.5.4 聚集特性
2.5.5 模型演化过程中特性分析
2.6 本章小结
第3章 基于标签环形扩散的非重叠社区识别方法
3.1 引言
3.2 问题描述
3.2.1 社区的定义
3.2.2 社区的环状结构
3.2.3 标签传播中的回溯现象
3.3 标签环形扩散非重叠社区识别算法
3.3.1 预处理操作
3.3.2 节点影响力计算
3.3.3 基于标签环形扩散的非重叠社区识别算法
3.4 实验结果与分析
3.4.1 真实网络数据集划分效果
3.4.2 环状扩散更新方式
3.4.3 CS-LPA算法中阈值η的选取影响
3.4.4 算法运行时间对比
3.4.5 真实网络数据集模块度比较与分析
3.4.6 人工网络数据集实验对比分析
3.4.7 NME数据集实验对比分析
3.5 本章小结
第4章 基于节点隶属度的标签传播重叠社区识别方法
4.1 引言
4.2 基于拓扑势的节点影响力及约束
4.3 社会网络节点隶属度
4.3.1 节点局部相似性度量
4.3.2 节点隶属度计算
4.4 基于节点隶属度的标签传播重叠社区识别算法
4.5 实验与结果分析
4.5.1 实验数据选择
4.5.2 四种数据集划分效果对比
4.5.3 分组情况η的取值分析
4.5.4 真实网络数据集模块度对比分析
4.5.5 人工网络数据集测试结果
4.5.6 MCLPA算法的应用
4.6 本章小结
第5章 基于社区识别的社会网络影响力最大化方法
5.1 引言
5.2 问题描述
5.2.1 影响力最大化问题
5.2.2 独立级联模型
5.2.3 社会网络影响力最大化算法
5.3 基于社区识别的社交网络影响力最大化算法
5.3.1 节点影响力度量
5.3.2 Top-K节点选择策略
5.3.3 局部边缘去重
5.3.4 社交网络影响力最大化算法
5.4 实验与结果分析
5.4.1 实验数据集
5.4.2 距离参数l取值分析
5.4.3 对比算法与参数设置
5.4.4 Email网络的结果与分析
5.4.5 Yeast网络的结果与分析
5.4.6 BitcoinAlpha网络的结果与分析
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文和取得的科研成果
致谢
本文编号：3739882
本文链接：https://www.wllwen.com/kejilunwen/yysx/3739882.html
