面向微博社交网络的时变差别适应度模型研究

发布时间：2017-07-05 23:14

  本文关键词：面向微博社交网络的时变差别适应度模型研究

  更多相关文章： 复杂网络 社交网络 时变差别适应度 网络演化 幂律分布

【摘要】：近些年来,随着复杂网络科学的蓬勃发展,使得人类存在于一个充满了复杂网络的世界中。在线社交网络作为一种典型的复杂网络,在我们的生活中越来越普及,一大批在线社交网络出现在人们的日常生活中。网络上的连接关系反映了实际社会中的人际关系,因此其结构及演化对于复杂网络研究者具有很大吸引力。深入理解在线社交网络的拓扑结构及演化机制有助于了解信息在网络上的传播规律,具有重要的理论价值及现实意义。复杂网络理论是理解复杂系统结构及动力学特征的重要方法,被广泛应用到在线社交网络的研究中。本文首先应用复杂网络理论对所取得的新浪微博数据进行分析研究,认识到在网络的演化过程中,无论是用户本身加入网络的时间长度、活跃度、“名人效应”等内在因素,还是节点间地理位置、兴趣等基本信息的相似性,又或者是用户间围绕某个话题产生的交互行为,其对节点间关系形成或破裂的影响,都是具有时变性的；而在同一时刻,一个节点对于其他不同节点的吸引力也是不同的,具有相对性、差异性。因此本文在适应度模型的基础上,结合节点适应度的时变性和差异性,综合考虑了复杂网络的演化特征,建立了基于节点时变差别适应度的网络模型(Varying-and-Selective Fitness Model, VSFM)。VSFM网络模型真实的反映了社交网络在演化过程中的增长机制和优先连接机制,并反映了复杂网络中后加入的适应度大的、拥有较多相似适应度的节点超越老节点成为网络中的大度节点的现象。同时在VSFM模型演化过程中,综合考虑了优先连接、随机加边、随机减边、第二跳原则等机制,这些都反映了真实网络的演化特征。通过仿真分析,本模型所生成的网络度分布服从幂律分布,且具有较小的聚类系数,具有小世界现象,与真实网络拟合良好。节点适应度的时变属性影响节点度的生成,适应度的差别性促使网络中社团的形成。因此,VSFM网络模型可以较好的仿真微博社交网络,其中对于节点的时变差别属性特征的研究,可以为研究在线社交网络上的信息传播、用户关系、个性化推荐等提供基础。
【关键词】：复杂网络 社交网络 时变差别适应度 网络演化 幂律分布
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-20
• 1.1 研究背景及意义12-13
• 1.2 国内外相关研究13-17
• 1.2.1 复杂网络模型相关研究14-16
• 1.2.2 在线社交网络模型相关研究16-17
• 1.3 论文主要研究工作及创新点17-18
• 1.4 论文的组织结构18-20
• 第二章 网络基本拓扑性质及基本模型20-28
• 2.1 复杂网络基本拓扑特性20-22
• 2.2 复杂网络基本模型22-25
• 2.2.1 经典网络模型23-24
• 2.2.2 适应度网络演化模型24-25
• 2.2.3 Price网络演化模型25
• 2.3 适应度的时变性及差别性25-26
• 2.4 本章小结26-28
• 第三章 节点时变差别适应度网络演化模型28-44
• 3.1 微博网络基本拓扑特性分析28-35
• 3.1.1 实验数据集28-29
• 3.1.2 拓扑特性分析29-34
• 3.1.3 新浪微博的适应度特性34-35
• 3.2 VSFM模型设计思想35-40
• 3.2.1 适应度的时变性36-37
• 3.2.2 适应度的差别性37-40
• 3.3 VSFM模型构建40-42
• 3.4 本章小结42-44
• 第四章 网络模型仿真分析44-54
• 4.1 适应度时变性仿真分析44-46
• 4.2 适应度差别性仿真分析46-48
• 4.3 VSFM模型仿真分析48-53
• 4.3.1 VSFM模型入度分布48-51
• 4.3.2 VSFM模型聚类系数51
• 4.3.3 VSFM模型平均路径长度51-52
• 4.3.4 VSFM模型同配系数52-53
• 4.4 本章小结53-54
• 第五章 结论与展望54-56
• 5.1 论文主要成果54-55
• 5.2 后续工作与展望55-56
• 参考文献56-60
• 致谢60-62
• 发表的学术论文62-64
• 作者及导师简介64-65
• 北京化工大学硕士研究生学位论文答辩委员会决议书65-66

【参考文献】

中国期刊全文数据库 前3条

1 雷兵;刘维;;基于微博关注推荐服务的用户兴趣模型研究[J];情报科学;2015年09期

2 刘群;易佳;;基于演化博弈的社交网络模型演化研究[J];物理学报;2013年23期

3 原福永;冯静;符茜茜;;微博用户的影响力指数模型[J];现代图书情报技术;2012年06期

，

本文编号：523971