大规模社会网络可视化若干问题及算法研究

发布时间：2017-11-30 11:09

  本文关键词：大规模社会网络可视化若干问题及算法研究

  更多相关文章： 社会网络 信息可视化 意见环 空间自适应 社区结构

【摘要】：在Web 2.0时代,互联网中社交网络(脸书、Twitter、微信、新浪微博等)发展迅速,社交媒体网络成员数目庞大,关系错综复杂,迫切需要专门针对大规模社会网络的图形可视化技术的研究。然而,社会网络的大规模性、语义性以及社区性等特点要求我们必须要面向社会网络的不同特点,研究具有针对性的社会网络可视化方法。本文在现有研究工作的基础上,针对社会网络数据的新特性,结合关系图抽样算法及协同分类算法等最新研究成果,提出了若干针对社会网络数据大规模性、语义性以及社区性特点的可视化方法。本文的研究内容介绍如下:?针对社会网络数据的大规模性,提出了基于拓扑分层模型的社会网络抽样算法(SS)与基于温度传导模型的社会网络抽样算法(TCS)。基于拓扑分层模型的社会网络抽样算法将整个社会网络根据其直径划分成不同层次的子网络,并在每一个层次的子网络中进行抽样操作;基于温度传导模型的社会网络抽样算法从社会网络中的某一个体开始燃烧,模拟物体燃烧后温度传导的物理过程,蔓延式地在原社会网络中进行抽样操作。通过在多个经典的社会网络数据集上的实验结果表明,这两种社会网络抽样方法不但可以降低社会网络的数据规模,并且可以很好的保持抽样子网络与原社会网络的拓扑一致性。?针对社会网络中个体的意见性特征,提出了面向两类意见网络的意见环可视化方法(Opinion Rings)。意见环可视化方法采用同心环的总体布局方式,将意见网络中三个意见群组中的个体分别放置在三个相互独立的区域内。采用协同分类的方法来预测中立个体的意见倾向概率,并将该意见倾向概率通过中立个体在布局中的位置与颜色可视化表现出来,使用户可以通过观察布局即可知中立个体未来的意见倾向。同时,通过一系列美学优化算法使整个图形布局既符合人眼的美学体验又可揭示两类意见网络中蕴含的信息。通过一系列客观的对比试验表明,意见环可视化方法对两类意见网络可视化时,其质量优于其它传统的可视化方法。同时,基于用户体验的满意度调查也显示意见环可视化布局方法能够揭示意见网络中蕴含的信息,满足用户多元化的可视化体验需求。?针对社会网络中个体的多意见性特征,提出了面向多类意见网络的多意见环可视化方法(Multi-opinion Ring)。多意见环可视化方法同样采用同心环的总体布局方式,将社会网络中的中立意见群组与具有确定意见的群组中的个体分别放置在中心圆区域及外环区域,并根据不同的意见目标(Opinion target),将外环区域划分成若干个独立的扇环区域来可视化不同的意见群组。本文采用协同分类的方法来预测中立个体的意见倾向概率,并将该意见概率通过中立个体在布局中的位置与颜色可视地表现出来,使用户通过观察图形布局即可知中立个体未来可能持有的意见倾向。同时,通过一系列美学优化算法使整个图形布局既符合人眼的美学体验又可揭示多类意见网络中所蕴含的信息。实验结果表明了多意见环可视化方法在对多意见网络可视化过程中的有效性。?针对社会网络的社区结构性特点,提出了社会网络空间自适应多级布局算法。该算法的特点是对社会网络进行可视化布局的同时重点突出社会网络的社区结构特征,并合理地利用有限的可视化显示区域对社会网络进行可视化展示。该算法包含两个子过程,社会网络的多级压缩过程以及自顶向下的布局过程。利用多级压缩算法获得原社会网络的层次结构,基于此压缩结构进行自顶向下的空间自适应布局算法。通过与快速多级布局算法FM3的对比显示,空间自适应多级布局算法可以合理利用显示区域来对社会网络数据进行可视化,同时还能够明显突出其社区性的特点。本文提出了五个算法来解决大规模社会网络可视化的若干问题。基于拓扑分层模型的社会网络抽样算法与基于温度传导模型的社会网络抽样算法的作用是降低社会网络的数据规模,同时使抽样子网络和原社会网络之间保持较好的拓扑相似性,当待可视化社会网络数据集规模较大时,可先利用社会网络抽样算法降低社会网络的规模,再对抽样子网络进行可视化。面向两类意见网络的意见环可视化算法是针对社会网络中的语义性特点设计的可视化方法,面向多类意见网络的多意见环可视化布局算法将两类意见网络扩展为多类意见网络。空间自适应多级布局算法针对社会网络的社区性特点,在可视化社会网络的同时重点突出其社区性特征,使用户可以直观的通过观察布局效果即可了解社会网络中的社区结构特性。
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41;TP393.09
，

本文编号：1239080