社交网络的团体感知与挖掘方法研究

发布时间：2017-05-22 19:04

  本文关键词：社交网络的团体感知与挖掘方法研究，由笔耕文化传播整理发布。

【摘要】：近年来，随着社会媒体概念的快速发展，大量的用户群体借助社交网站与移动智能终端进行沟通、资源分享和传播信息。相比传统的Web1.0时代，社交网络具有用户主体性强、信息流通性快等特点，并且可以将现实生活中的人际关系建立在互联网上。截止至2014年底，国外社交网站Facebook、Twitter的用户量分别为15亿、6亿，国内的新浪微博也拥有8亿的用户群体。由此可见，社会媒体越来越受到人们的关注。 针对社交网络大规模、大数据的特性，传统的团体感知算法都具有一定的局限性，例如时间复杂度高、团体结构模糊、欠缺用户行为属性以及忽略了社交网络较其他传统网络所拥有的独特性质等等。本文结合实际需求，针对团体感知方面的一些问题进行研究，提出了一种在线团体感知模型和信息传播中影响力节点的挖掘方法。这些研究内容可应用于网络舆情控制、群体兴趣推荐平台、广告投入利益最大化等诸多领域。 本文的核心研究点包括：(1)团体感知的相关研究，分析了社交网络中用户关系的结构特征，并且研究了社交网络团体形成的独特机制，提出了一种在线的团体感知模型；(2)信息传播的相关研究，提出了基于社交网络的信息传播树构建方法，能够对信息的传播过程进行回溯，真实的还原一个事件从发起到爆发再到消亡的过程，并且以树型数据结构对传播过程进行文件存储；(3)影响力节点挖掘的相关研究，完成了由事件、用户和群体组成的三层映射模型。首先将信息传播网络抽象为用户关系网络，，其后通过团体划分方法对关系网络进行团体划分，最终借助团体之间的拓扑关系挖掘具有信息传播影响力的关键节点。(4)在上述研究成果的基础上，设计并实现了社交网络团体分析系统(SNCAS)，SNCAS包括跨平台信息采集功能、特定团体感知功能、事件传播分析功能、用户关系网络构建及关键节点挖掘功能。通过对系统的实验与评估，证明SNCAS能够有效的对特定团体进行感知以及完成信息传播中关键节点的挖掘。
【关键词】：社交网络 团体感知 节点挖掘 信息传播树
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.02
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题研究的背景和意义10-11
• 1.2 本文的研究目标和研究内容11-12
• 1.3 课题的来源及研究内容12-13
• 1.3.1 课题来源12
• 1.3.2 主要工作和创新点12-13
• 1.4 本文的组织结构13-15
• 第2章 社交网络的团体划分综述15-21
• 2.1 社交网络概述15-16
• 2.1.1 社交网络的定义15
• 2.1.2 社交网络的结构15-16
• 2.1.3 社交网络的特点16
• 2.2 团体划分与节点挖掘的研究现状16-19
• 2.2.1 团体的基本概述17
• 2.2.2 团体划分算法分析17-18
• 2.2.3 团体中影响力节点挖掘算法分析18-19
• 2.3 社交网络开源研究工具19-20
• 2.3.1 Gephi19
• 2.3.2 Prefuse19-20
• 2.3.3 GraphChi20
• 2.4 本章小结20-21
• 第3章 社交网络的特定团体感知研究21-37
• 3.1 社交网络的数据获取机制分析21-29
• 3.1.1 社交网络组成结构分析21-23
• 3.1.2 API 数据采集机制分析23-26
• 3.1.3 网页解析数据采集机制分析26-29
• 3.2 在线特定团体感知模型研究29-33
• 3.2.1 个体属性探测模型30
• 3.2.2 行为属性探测模型30-31
• 3.2.3 关系属性探测模型31-33
• 3.2.4 算法描述与实现33
• 3.3 在线特定团体感知模型评估33-36
• 3.3.1 余弦相似度阈值敏感性分析34
• 3.3.2 感知模型准确率分析34-35
• 3.3.3 感知模型时效性分析35-36
• 3.4 本章小结36-37
• 第4章 基于信息传播的影响力节点挖掘方法研究37-42
• 4.1 社交网络信息传播树生成算法37-38
• 4.2 基于信息传播的团体网络构建38-39
• 4.3 基于信息传播的影响力节点挖掘39-41
• 4.3.1 探测影响力节点40
• 4.3.2 探测二次爆发桥节点40-41
• 4.4 本章小结41-42
• 第5章 社交网络团体分析系统(SNCAS)42-50
• 5.1 SNCAS 系统框架42-43
• 5.2 SNCAS 处理流程43
• 5.3 SNCAS 主要模块43-48
• 5.3.1 多源数据采集模块43-44
• 5.3.2 特定团体分析模块44-46
• 5.3.3 信息传播树构建模块46-47
• 5.3.4 用户关系网络构建模块47-48
• 5.4 SNCAS 的实验与评估48-49
• 5.5 本章小结49-50
• 结论50-52
• 参考文献52-57
• 攻读硕士学位期间所发表的学术论文57-58
• 致谢58

【参考文献】

中国期刊全文数据库 前3条

1 金弟;杨博;刘杰;刘大有;何东晓;;复杂网络簇结构探测——基于随机游走的蚁群算法[J];软件学报;2012年03期

2 林旺群;卢风顺;丁兆云;吴泉源;周斌;贾焰;;基于带权图的层次化社区并行计算方法[J];软件学报;2012年06期

3 黄发良;张师超;朱晓峰;;基于多目标优化的网络社区发现方法[J];软件学报;2013年09期

  本文关键词：社交网络的团体感知与挖掘方法研究，由笔耕文化传播整理发布。

本文编号：386573