基于重叠社区结构的社交网络最大影响力研究

发布时间：2017-08-19 06:06

  本文关键词：基于重叠社区结构的社交网络最大影响力研究

  更多相关文章： 社交网络 社区聚类 重叠社区 影响力 线性阀值

【摘要】：社交网络影响力最大化问题就像营销领域中的“病毒式营销”问题,是在一定的条件约束下,以一定的规则选取一组初始节点,然后运用影响力的扩散模型,使得选择的初始节点能够影响的范围达到最大。然而在以往的研究当中,大多只考虑了网络图中的节点与边的属性,没有考虑到整个网络的社区结构性质,这导致得到的实验结果不能满足结构复杂的现实网络。为了综合考虑到网络的社区结构性质,并提高影响力最大化算法的准确性,在本文中,提出了一种基于重叠社区结构的最大化影响力研究方法。首先,提出了一种基于k-means算法的社区聚类算法。并对k-means算法的初始选择随机性和聚类过程中总是选择距离最近的节点的原则,对k-means算法进行改进,得到算法初始的粗糙社区结构。其次,提出了一种社区结构重叠社区发现算法。在算法中,对社区间的节点进行重叠节点判断,以此来改进聚类结果,并可以进行重叠社区发现。再次,提出了一种基于阀值影响力最大化初始节点选择算法。在算法中,通过统计一个节点的连边数目来判断节点的潜在影响力,每次都选择潜在影响力最大的节点作为初始节点,并是不简单的使用节点的度来判断节点的影响力。基于这种思想提出了本文中的最大化影响力算法。最后,选取Slashdot Zoo社交网络数据,并搭建了实验环境,进行验证。在实验中,对比了k-means聚类算法与改进的算法;对比了贪心算法的影响范围与文中提出算法的影响范围,并对实验结论进行了分析。
【关键词】：社交网络 社区聚类 重叠社区 影响力 线性阀值
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5
【目录】：

• 摘要5-6
• ABSTRACT6-8
• 第1章 绪论8-15
• 1.1 课题背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.3 研究内容以及论文的组织结构13-15
• 1.3.1 研究内容13
• 1.3.2 论文组织结构13-15
• 第2章 论文相关理论15-27
• 2.1 社交网络综述15-17
• 2.2 社区发现相关技术方法17-22
• 2.2.1 社区发现介绍17-18
• 2.2.2 非重叠社区发现方法18-20
• 2.2.3 重叠社区发现方法20-21
• 2.2.4 基于聚类的重叠社区发现的新方法21-22
• 2.3 影响力最大化相关技术22-26
• 2.3.1 影响力最大化研究的模型22-23
• 2.3.2 影响力最大化的算法23-25
• 2.3.3 影响力最大化研究方法25-26
• 2.4 本章小结26-27
• 第3章 社区结构中重叠节点发现算法27-36
• 3.1 社交网络社区聚类算法27-28
• 3.2 聚类算法的改进28-32
• 3.2.1 社区发现算法初始聚类数目的确定28-29
• 3.2.2 基于节点密度的聚类初始中心选择29-30
• 3.2.3 基于聚类距离的初始聚类中心选择30-32
• 3.3 社区结构重叠节点发现算法32-34
• 3.4 本章小结34-36
• 第4章 基于重叠社区结构的影响力最大化研究36-46
• 4.1 问题定义与算法流程36-38
• 4.1.1 问题定义36-38
• 4.1.2 算法流程38
• 4.2.基于阀值的影响力初始节点选择算法38-42
• 4.3.基于重叠社区结构的影响力最大化算法42-45
• 4.4 本章小结45-46
• 第5章 实验设计验证46-55
• 5.1 实验设置46-48
• 5.2 实验结果分析48-54
• 5.3 本章小结54-55
• 结论55-57
• 参考文献57-61
• 攻读硕士学位期间承担的科研任务与主要成果61-62
• 致谢62-63
• 作者简介63

【参考文献】

中国期刊全文数据库 前6条

1 汪小帆;刘亚冰;;复杂网络中的社团结构算法综述[J];电子科技大学学报;2009年05期

2 李翔;李仕强;赵青虎;;基于边聚类方法的复杂网络社团挖掘研究[J];电脑知识与技术;2012年10期

3 田家堂;王轶彤;冯小军;;一种新型的社会网络影响最大化算法[J];计算机学报;2011年10期

4 李星;钟志农;景宁;伍勇;;社区挖掘技术研究[J];计算机工程与科学;2012年09期

5 陈浩;王轶彤;;基于阈值的社交网络影响力最大化算法[J];计算机研究与发展;2012年10期

6 杨格兰;涂立;;基于主题相关性和链接权重的PageRank算法[J];华中科技大学学报(自然科学版);2012年S1期

，

本文编号：699062