基于异同性的社区演化分类方法的研究与实现

发布时间：2023-03-12 01:30

　　随着通信技术的飞速发展,移动互联网迅速崛起,由此产生的动态网络生成了海量数据,形成了大小主题各异的社区,挖掘社区中蕴含的巨大价值成为近来研究热点之一。目前,较为常见的社区研究分为社区发现、社区演化分析、社区结构分析等,其中对社区发现的研究已取得一定成果并应用于个性化推荐等领域,对社区演化的分析以社区发现为基础,进一步分析社区的变化并寻求潜在的演化规律,从而发现社区内隐含的深层次信息,为预测社区演化行为提供基础,同时可以在舆情分析与控制、蛋白质功能预测、精准营销、传染病传播控制等方面发挥重要作用。本文针对社区演化分析的相关问题,主要从以下三方面展开研究。提出一种基于评价指标的差值吸收核心节点检测算法。该算法以基于邻居信息与集聚系数的节点重要性评价指标为基础,依据评价指标值计算各节点的相对权重值,将该值为正数的节点确定为核心节点,并加入核心节点集。该算法不需要人为设定阈值,与依靠节点度信息等判定核心节点的算法相比具有较大优势。提出一种基于异同性的社区演化分类模型。以提出的差值吸收核心节点检测算法为基础,通过优化差异性公式,分别对核心节点和非核心节点的差异性进行判定。将优化后的差异性公式与现...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 动态社区演化分析
        1.2.2 评估标准研究现状
        1.2.3 分类模型研究现状
    1.3 研究内容
    1.4 论文结构
2 相关理论知识
    2.1 复杂网络
    2.2 动态网络
    2.3 社区演化分析
        2.3.1 时间片划分
        2.3.2 静态社区发现
        2.3.3 演化分类模型
    2.4 实验数据集
    2.5 本章小结
3 差值吸收核心节点检测算法
    3.1 节点重要性评价指标
    3.2 差值吸收核心节点检测算法
    3.3 本章小结
4 基于异同性的社区演化分类模型
    4.1 相似性公式
    4.2 差异性公式
    4.3 社区演化分类模型
    4.4 实验及结果分析
        4.4.1 参数值设置
        4.4.2 HEP-TH数据集实验与分析
        4.4.3 Salon24 数据集实验与分析
        4.4.4 Facebook数据集实验与分析
    4.5 本章小结
5 动态社区演化类型分析系统
    5.1 概要设计
        5.1.1 需求分析
        5.1.2 开发环境
        5.1.3 系统结构设计
    5.2 系统详细设计
    5.3 数据库设计
    5.4 系统实现
        5.4.1 数据集分析
        5.4.2 参数分析与设置
        5.4.3 演化分类结果分析
    5.5 本章小结
6 总结与展望
    总结
    展望
参考文献
致谢
攻读硕士学位期间所发表的学术论文与成果



本文编号：3760660