基于主题与结构的社区发现方法研究

基于主题与结构的社区发现方法研究

论文摘要

随着科技的发展,人们意识到现实世界网络并不是规则网络,也不同于随机网络,而是具有小世界、无标度、自相似、自组织等特性的复杂网络。复杂网络中的一个共有属性是社区结构,即同一社区内部节点连接紧密而社区之间节点连接稀疏。社区发现有助于探测网络内部拓扑结构,发现网络社区结构及隐藏规律,这对进一步理解网络功能,预测网络行为具有重要的理论意义和现实价值。社区结构发现研究已广泛应用于个性化推荐、广告投放、信息检索等领域,是复杂网络领域研究者关注的热点之一。本文针对复杂网络中社区发现问题,主要从以下三个方面展开研究。(1)提出一种基于结构相似度的社区发现算法SSMCA。该算法借鉴结构相似度思想,用于解决现有的社区划分算法精确度不高的问题,将结构相似度作为边权值,对网络中的边按照权重升序排序,删除权值较低的边进而形成多个孤立的社区,随后按照社区间结构相似度及模块度差值合并主要社区,并提出一种社区结构质量评估方法作为算法的迭代条件,以获得高精度的社区结构。在人工基准网络及真实数据上与经典社区发现算法进行对比实验,结果表明,该算法在社区划分精度方面的性能优于其他经典算法。(2)提出一种面向主题的社区发现方法。通过该方法发现的社区不仅能反映出连接结构上的强弱关系,而且还能挖掘出社区内的共性主题。该方法首先提出一种高影响力用户评价算法HIUEA,用来发现网络中的高影响力用户,随后挖掘出与之相关的普通用户的行为内容并通过EWKM算法进行文本聚类,获取包含主题意义的社交对象聚类簇,然后针对不同的主题簇采用SSMCA算法进行拓扑结构分析,最终得到联系紧密且具有单一主题意义的社区结构,并在张杰粉丝网络及高校专利合作网络数据集上进行有效性测试,结果表明,本方法所发现的社区结构能有效地反映拓扑和语义信息,使社区结构更有意义。(3)以本文提出的面向主题的社区发现方法为基础,设计并实现了微博主题推荐系统。该系统将高影响力用户评价算法HIUEA、经典文本聚类算法EWKM及基于结构相似度的社区发现算法SSMCA进行有机融合,实现了高影响力用户的挖掘,并通过分析连接结构获取相关主题的粉丝数据。

论文目录

  • 中文摘要
  • abstract
  • 1 绪论
  •   1.1 研究背景及意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外研究现状
  •     1.2.1 启发式算法
  •     1.2.2 基于优化的算法
  •     1.2.3 基于相似度的算法
  •     1.2.4 其他算法
  •   1.3 研究内容
  •   1.4 论文结构
  • 2 复杂网络及相关理论知识
  •   2.1 复杂网络概述
  •     2.1.1 复杂网络表示形式
  •     2.1.2 复杂网络统计特征
  •     2.1.3 复杂网络结构特性
  •   2.2 社区发现概述
  •   2.3 实验数据集
  •     2.3.1 人工基准生成网络
  •     2.3.2 真实世界网络
  •   2.4 评价指标
  •     2.4.1 模块度Q
  •     2.4.2 精度Acu
  •     2.4.3 标准互化信息NMI
  •   2.5 本章小结
  • 3 基于结构相似度的社区发现方法研究
  •   3.1 相关概念及定义
  •   3.2 SSMCA算法
  •   3.3 实验及结果分析
  •     3.3.1 人工基准生成网络
  •     3.3.2 真实世界网络
  •   3.4 本章小结
  • 4 面向主题的社区发现方法研究
  •   4.1 高影响力用户评价算法HIUEA
  •     4.1.1 用户自身影响力评价
  •     4.1.2 粉丝行为评价
  •   4.2 社会网络数据建模
  •   4.3 文本对象聚类
  •   4.4 面向主题的社区发现方法流程
  •   4.5 实验及结果分析
  •     4.5.1 数据获取
  •     4.5.2 HIUEA算法实验与分析
  •     4.5.3 面向主题的社区发现方法的实验与分析
  •   4.6 本章小结
  • 5 微博主题推荐系统设计与实现
  •   5.1 概要设计
  •     5.1.1 开发环境
  •     5.1.2 系统框架
  •   5.2 系统详细设计
  •     5.2.1 系统功能设计
  •     5.2.2 数据库设计
  •   5.3 系统实现
  •     5.3.1 高影响力用户查询模块
  •     5.3.2 粉丝用户查询模块
  •     5.3.3 热点分析模块
  •     5.3.4 下载历史模块
  •   5.4 本章小结
  • 6 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 7 参考文献
  • 8 致谢
  • 9 攻读硕士学位期间所发表的学术论文与成果
  • 文章来源

    类型: 硕士论文

    作者: 刘亚琼

    导师: 王鲁

    关键词: 复杂网络,社区发现,结构相似度,主题社区,微博主题推荐系统

    来源: 山东农业大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 山东农业大学

    分类号: O157.5;TP391.3

    总页数: 81

    文件大小: 6846K

    下载量: 50

    相关论文文献

    • [1].一种基于结构相似度的部分参考型图像质量评价方法[J]. 长春大学学报 2016(10)
    • [2].中美贸易结构相似度研究的因素分析——从比较优势和要素禀赋角度[J]. 现代商业 2015(27)
    • [3].黑龙江森工林区产业结构相似度测算及动态评价[J]. 林业经济问题 2016(03)
    • [4].一种基于局部方差和结构相似度的图像质量评价方法[J]. 光电子.激光 2008(11)
    • [5].采用结构相似度定位的数据库存储软件调度设计[J]. 软件导刊 2016(07)
    • [6].一种改进的产业结构相似度测度方法[J]. 数量经济技术经济研究 2013(07)
    • [7].链路预测中的一种局部结构相似度算法[J]. 小型微型计算机系统 2018(01)
    • [8].基于修正的结构相似度为测度的三维脑图像配准[J]. 中国医学影像学杂志 2013(08)
    • [9].基于协同视角的武陵山区产业结构相似度比较研究[J]. 中南民族大学学报(人文社会科学版) 2012(06)
    • [10].基于膨胀的梯度结构相似度图像质量评价方法[J]. 计算机科学 2014(06)
    • [11].基于改进后的结构相似度的三维图像配准[J]. 光电工程 2012(12)
    • [12].基于失真模型的结构相似度图像质量评价[J]. 浙江大学学报(工学版) 2009(05)
    • [13].基于分子指纹的化学结构相似度检索系统的研究(英文)[J]. 计算机与应用化学 2012(03)
    • [14].基于技术分类视角的中国-东盟出口结构相似度研究[J]. 国际经贸探索 2013(01)
    • [15].基于结构相似度评价方法的窗口效应[J]. 激光技术 2016(06)
    • [16].基于边缘结构相似度的目标凸显性分析[J]. 计算机应用研究 2012(03)
    • [17].一种改进的基于树路径匹配的网页结构相似度算法[J]. 吉林大学学报(理学版) 2012(06)
    • [18].改进结构相似度的红外两波段图像目标配准[J]. 仪器仪表学报 2017(12)
    • [19].基于结构相似度的动态网络社团演变算法研究[J]. 计算机工程与设计 2012(12)
    • [20].基于注意转移机制的图像质量评价方法[J]. 仪器仪表学报 2010(09)
    • [21].基于结构相似度的多尺度局部社区发现算法[J]. 信息工程大学学报 2015(01)
    • [22].融合结构与属性相似性的加权图聚集算法[J]. 计算机工程与科学 2019(10)
    • [23].基于扩展梯度算子的结构相似度图像质量评价方法[J]. 科学技术与工程 2018(27)
    • [24].基于结构相似度的大规模社交网络聚类算法[J]. 电子与信息学报 2015(02)
    • [25].江苏沿海三市产业同构分析[J]. 技术与市场 2011(12)
    • [26].结构相似度在AVS帧间模式选择中的应用[J]. 光电子.激光 2011(03)
    • [27].内蒙古与山西产业结构相似度测算研究[J]. 现代经济信息 2018(08)
    • [28].中国区域间经济周期同步性研究[J]. 全国商情 2014(14)
    • [29].基于结构相似度的飞机油箱内窥图像配准方法[J]. 计算机应用 2017(S2)
    • [30].基于梯度结构相似度的AVS帧间模式选择算法[J]. 计算机应用与软件 2015(12)

    标签:;  ;  ;  ;  ;  

    基于主题与结构的社区发现方法研究
    下载Doc文档

    猜你喜欢