基于多源移动数据的社会网络关系强度测量技术研究

发布时间：2017-10-19 10:18

  本文关键词：基于多源移动数据的社会网络关系强度测量技术研究

  更多相关文章： 社会网络分析 关系强度 智能手机 移动数据 多源数据

【摘要】：智能手机的不断增加,带来了移动社交的普及。同时由于智能手机上多源化交互方式的流行,使得云端积累了大量的移动社交数据。通过这些多源化的社交数据可以对于社会网络进行有效的分析。对于社会网络的分析研究属于社会网络分析研究领域的范畴,进行社会网络分析的首要目标是分析社会网络中的关系情况。社会网络关系的研究点有很多,其中关系强度的测量工作是其他研究工作的基础。怎样通过获取到的多源移动数据对社会网络关系进行强度测量成为当前研究的热点和难点。本文围绕着上述问题在充分分析当前社会网络、社会网络关系强度以及移动社会网络关系研究现状的基础上展开研究。重点描述了移动社会网络关系数据获取、移动社会网络数据处理及移动社会网络关系强度测量三个方面的相关技术。进而以移动社会网络为背景,重点研究了多源移动数据的处理与分析,并在该工作的基础,针对多源社会网络关系强度聚合测量这一研究点展开了深入研究。本文的工作主要体现在以下三个方面:1)针对当前多源移动社会网络分析中数据类型多、处理复杂、效率低下等问题,提出了一个多源移动社会网络分析模型处理多源移动数据和分析社会网络。具体来说,提出的基于代理的多源移动数据处理机制用以对多源移动数据进行有效处理,提出的基于Networkx的多源可视化机制用以实现多源社会网络可视化。针对代理中异常数据种类繁多,处理复杂问题,提出了基于规则的多源异常数据处理机制。2)以多源移动关系强度聚合测量研究问题为背景,针对单源关系强度测量算法不能对多源关系强度进行测量这一问题,提出了基于线性回归模型的多源聚合测量算法。算法通过构造一个多元线性回归的多源关系聚合模型对关系强度进行有效计算,该模型基于机器学习方法训练而成,所需要的训练集数据来源于15名招募的志愿者贡献的一个月移动数据。训练得到的模型可以显示不同数据源对于关系强度的影响比重,动态计算关系强度,且针对多源数据的输入具有很好的扩展性。3)以多源移动社会网络分析架构为基础,实现了一个原型系统进行了原型展示,并在此基础上验证了课题提出的多源移动关系聚合测量算法。原型系统的移动端基于Ubiqlog开源软件实现,服务端数据处理与算法实现基于Python语言编码完成。实验验证部分多角度分析了采集的数据,对算法进行了验证与评估。
【关键词】：社会网络分析 关系强度 智能手机 移动数据 多源数据
【学位授予单位】：国防科学技术大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.09;C912.3
【目录】：

• 摘要10-11
• ABSTRACT11-13
• 第一章 绪论13-18
• 1.1 研究背景13-16
• 1.1.1 社会网络与社会网络分析13-14
• 1.1.2 社会网络关系强度14
• 1.1.3 移动社会网络关系14-15
• 1.1.4 小结15-16
• 1.2 研究内容16-17
• 1.3 论文组织结构17-18
• 第二章 相关技术研究18-27
• 2.1 移动社会网络关系数据获取18-20
• 2.1.1 关系数据获取方法的发展18-19
• 2.1.2 移动社会网络关系数据获取19-20
• 2.1.3 比较与结论20
• 2.2 移动社会网络数据处理20-23
• 2.2.1 社会网络数据特点20-21
• 2.2.2 移动社会网络数据特点21
• 2.2.3 移动社会网络数据处理典型架构21-22
• 2.2.4 分析与结论22-23
• 2.3 移动社会网络关系强度测量23-26
• 2.3.1 社会网络关系23
• 2.3.2 关系强度测量23-24
• 2.3.3 移动关系测量方法24-25
• 2.3.4 分析与结论25-26
• 2.4 小结26-27
• 第三章 多源移动社会网络分析模型27-35
• 3.1 模型概述27-29
• 3.1.1 多源移动社会网络分析过程27-28
• 3.1.2 模型整体结构28-29
• 3.2 数据模型29-31
• 3.2.1 数据模型设计29-30
• 3.2.2 基于JSON的数据模型实现30-31
• 3.3 多源可视化模型31-33
• 3.3.1 多源可视化模型设计31-32
• 3.3.2 基于Networkx的多源可视化模型实现32-33
• 3.4 小结33-35
• 第四章 多源移动关系数据处理与分析35-52
• 4.1 总体结构描述35-36
• 4.2 基于代理的多源移动数据处理机制36-40
• 4.2.1 代理机制设计目标36-37
• 4.2.2 基于代理的多源移动数据处理过程37-38
• 4.2.3 基于规则的多源异常数据处理机制38-40
• 4.3 线性回归的多源移动关系强度聚合测量方法40-50
• 4.3.1 问题描述与定义40
• 4.3.2 线性回归模型与机器学习过程40-42
• 4.3.3 多源关系测量模型生成方法42-50
• 4.4 本章小结50-52
• 第五章 原型系统实现与实验验证52-64
• 5.1 原型系统实现与展示52-56
• 5.1.1 实验环境搭建52
• 5.1.2 移动端设计与实现52-54
• 5.1.3 移动数据展示54
• 5.1.4 服务端实现与展示54-56
• 5.2 实验验证与评估56-63
• 5.2.1 数据集准备与分析56-59
• 5.2.2 算法验证59-61
• 5.2.3 算法准确度61-63
• 5.2.4 算法评价63
• 5.3 小结63-64
• 第六章 总结与展望64-65
• 致谢65-66
• 参考文献66-70
• 作者在学期间取得的学术成果70-71
• 作者在学术期间参加的科研项目71

【参考文献】

中国期刊全文数据库 前8条

1 王峰;余伟;李石君;;新浪微博平台上的用户可信度评估[J];计算机科学与探索;2013年12期

2 谢丽星;周明;孙茂松;;基于层次结构的多策略中文微博情感分析和特征抽取[J];中文信息学报;2012年01期

3 张彦超;刘云;张海峰;程辉;熊菲;;基于在线社交网络的信息传播模型[J];物理学报;2011年05期

4 贾新明;田澎;;蒙特卡罗模拟法在顾客满意度指数研究中的应用[J];管理学报;2010年08期

5 闵杰;;基于Likert的物流企业服务质量的模糊综合评价研究[J];物流工程与管理;2010年04期

6 李勇军;代亚非;;对等网络信任机制研究[J];计算机学报;2010年03期

7 王树林;吴晓薇;;网络关系对企业创新能力的影响研究[J];哈尔滨工业大学学报(社会科学版);2009年02期

8 郭庆科,周晶;Likert量表分析中不同IRT模型的有效性[J];心理学探新;2004年03期

，

本文编号：1060536