社交网络上高影响力用户识别研究与应用

发布时间：2017-08-26 19:42

  本文关键词：社交网络上高影响力用户识别研究与应用

  更多相关文章： 复杂网络 节点影响力分析 信息挖掘 网络营销

【摘要】：随着社会的发展,网络的概念也发生了非常大的变化,很多实际生活中的复杂系统都可以抽象成网络的形式。最近几年,复杂网络作为复杂科学的一个分支,受到国内外越来越多的学者的关注,而重要节点挖掘则是复杂网络信息挖掘研究中最重要、最核心的问题之一。所谓的重要节点是指网络中数量较少但是却对网络的结构和功能产生重要影响的节点。节点的重要性排序与网络中信息的传播与控制有着非常密切的关系。相关的研究将为市场营销、广告投放、谣言控制、舆情引导等提供强有力的理论支持。本文提出了一种含权网络的k-壳分解方法,并基于该算法构建了一个网络营销系统——达推网。以往对于含权网络的k-壳分解通常是将小数权重化整处理,本文通过对无权网络上H函数方法进行扩展,定义了含权网络上的H函数,并提出了一种含权的H指数序列来对含权网络中的节点重要性进行排序。通过实验验证,在含权网络中,含权的H函数方法可以更加准确细致地刻画网络中节点的影响力。此外,本文证明了含权网络中,节点的含权H指数序列唯一收敛于节点的含权核数。最后,本文进一步研究在连续权重的情况下,使用含权的H函数方法对网络中的节点重要性进行排序时,网络中连边权重对排序结果所产生的影响。随着网络的普及,网络营销也渐渐成为营销手段中一种重要的手段。微博等SNS的出现也让人们多了一种表达自我的方式,网络达人的价值也日益突显。这为企业的网络营销提供了一条新的途径。但是达人与商家之间存在的沟通障碍,造成利用社交网络营销的效率低下。基于此,本文设计了一个连接商家和网络达人的第三方平台,帮助商家找到适合其产品营销的达人并与之匹配。本文通过文本挖掘的方法,识别出达人的兴趣领域,同时使用含权的H函数方法挖掘社交网络中的高影响力用户,然后与商家的营销需求进行匹配。一方面,商家能够高效地、精确地锁定推广人群,高效率开展营销推广活动。另一方面,达人充分发挥自己在领域的专长获得营销佣金。本文对网站的结构和内容进行设计,并使用基于Python的Django框架完成全部开发过程,目前已经可以使用。
【关键词】：复杂网络 节点影响力分析 信息挖掘 网络营销
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究背景11
• 1.2 复杂网络研究现状11-13
• 1.2.1 复杂网络及其发展历史11-12
• 1.2.2 复杂网络的研究意义和研究内容12-13
• 1.3 重要节点挖掘的研究意义及研究现状13-14
• 1.3.1 重要节点挖掘的研究意义13
• 1.3.2 重要节点挖掘的研究现状13-14
• 1.4 重要节点挖掘的应用现状及前景14-15
• 1.5 本文的研究内容及章节安排15-17
• 第二章 相关理论基础17-36
• 2.1 图和网络17-24
• 2.1.1 图的基本概念17-18
• 2.1.2 图的计算机表示18-19
• 2.1.3 图的特征参数19-24
• 2.2 复杂网络的演化模型24-29
• 2.2.1 规则网络24-25
• 2.2.2 随机网络25-27
• 2.2.3 小世界网络27-28
• 2.2.4 无标度网络28-29
• 2.3 复杂网络中的传播模型29-32
• 2.3.1 SI模型29-30
• 2.3.2 SIS模型30-31
• 2.3.3 SIR模型31-32
• 2.4 经典的节点重要性排序算法32-33
• 2.4.1 度中心性32
• 2.4.2 接近中心性32-33
• 2.4.3 介数中心性33
• 2.5 重要节点挖掘算法的评价方法33-34
• 2.6 本章小结34-36
• 第三章 含权网络的H函数方法36-56
• 3.1 问题的提出和相关研究36-42
• 3.1.1 网络的k-壳分解法36-39
• 3.1.2 无权网络的H函数方法39-42
• 3.2 整数权重的H-函数方法42-44
• 3.3 连续权重的H-函数方法44-46
• 3.4 含权的k-壳分解法46-47
• 3.5 含权H-指数序列收敛性证明47-48
• 3.6 有向含权网络中的n阶H指数序列和k-壳分解法48-51
• 3.6.1 有向含权网络中的n阶H指数序列49
• 3.6.2 有向含权网络中的k-壳分解法49-50
• 3.6.3 一个有向含权网络的示例50-51
• 3.7 对比实验51-54
• 3.7.1 含权与无权的H函数方法对比52-53
• 3.7.2 权重对排序结果的影响分析53-54
• 3.8 本章小结54-56
• 第四章 重要节点挖掘应用——达推网56-74
• 4.1 应用定位及创新56-59
• 4.1.1 应用定位56-57
• 4.1.2 应用创新57-59
• 4.2 系统分析59-63
• 4.2.1 可行性分析59-61
• 4.2.2 需求分析61-62
• 4.2.3 组织结构图62-63
• 4.3 系统设计63-68
• 4.3.1 总体设计63-64
• 4.3.2 功能设计64-68
• 4.4 系统实现68-72
• 4.4.1 前端页面布局68-69
• 4.4.2 微博OAuth2.0 授权69-70
• 4.4.3 用户行业标签分析70-71
• 4.4.4 达人挖掘71-72
• 4.5 系统测试72-73
• 4.5.1 测试用例设计72
• 4.5.2 主要功能模块测试72-73
• 4.6 本章小结73-74
• 第五章 总结与展望74-76
• 5.1 全文总结74-75
• 5.2 后期工作展望75-76
• 致谢76-77
• 参考文献77-81
• 附录81-88
• 在学期间取得的与学位论文相关的研究成果88-89

，

本文编号：742605