本文選題：K均值初始化 + 分層分類��； 參考：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)》2017年博士論文

【摘要】：在線社交網(wǎng)絡(luò)因其高效便捷、使用成本低廉的優(yōu)點(diǎn)而為廣大用戶所喜愛。尤其是隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展,數(shù)以億計(jì)的用戶可以通過智能終端進(jìn)行互聯(lián)互通的同時(shí),也可以借助在線社交網(wǎng)絡(luò)發(fā)布最新狀態(tài)和以消息、圖片、音視頻為代表的媒體資源。這促進(jìn)了在線社交網(wǎng)絡(luò)繁榮,但也產(chǎn)生了一些問題,如在線社交網(wǎng)絡(luò)中的媒體推薦、信任度計(jì)算等。如何能夠充分利用當(dāng)前社交網(wǎng)絡(luò)的資源和結(jié)構(gòu)等信息的同時(shí),更好地為用戶服務(wù)是一個(gè)值得研究的課題。本文考慮到在線社交網(wǎng)絡(luò)是以用戶、媒體資源和社交網(wǎng)絡(luò)為核心的人際交往關(guān)系的總和,因此本文重點(diǎn)研究了如下內(nèi)容:針對(duì)社交網(wǎng)絡(luò)中用戶和媒體數(shù)量呈現(xiàn)海量數(shù)據(jù)的情況,而聚類方法是主流的大數(shù)據(jù)處理辦法,因此本文首先研究了K-Means初始化方法。本文在分析主流研究成果的基礎(chǔ)上,以高斯內(nèi)核密度估計(jì)為基礎(chǔ),分析單維度內(nèi)數(shù)據(jù)點(diǎn)的密度值,結(jié)合K個(gè)聚類中心應(yīng)該互相遠(yuǎn)離的特點(diǎn),從中選擇密度值較大且互相遠(yuǎn)離的點(diǎn)作為初始中心點(diǎn),并使用從高方差維度到低方差維度進(jìn)行映射的方法,構(gòu)建初始中心點(diǎn)。在此基礎(chǔ)上,選擇機(jī)制改為基于矩的計(jì)算方法,使用數(shù)據(jù)點(diǎn)的密度值與該點(diǎn)和極值密度值點(diǎn)距離的乘積作為該點(diǎn)的矩,進(jìn)而選擇初始中心點(diǎn)。實(shí)驗(yàn)結(jié)果表明,這兩種方法都取得了較好的效果。針對(duì)社交網(wǎng)絡(luò)中媒體數(shù)量眾多而產(chǎn)生的人工標(biāo)注困難的問題,本文研究了基于分層結(jié)構(gòu)的音樂自動(dòng)分類方法。傳統(tǒng)的平面型分類方法不能充分利用不同屬性在不同音樂間的分類效果,且不能表現(xiàn)出不同類型音樂間的距離和層次關(guān)系。在分析當(dāng)前主流音樂分類方法的基礎(chǔ)上,本文提出了基于分層結(jié)構(gòu)的分類方法。該方法首先使用K均值聚類方法,結(jié)合LDA的方法完成對(duì)以MFCC為核心特征的聚類分析,并以此為基礎(chǔ)構(gòu)建了分層的結(jié)構(gòu),再通過對(duì)音樂特征的合理抽取,構(gòu)建了基于分層結(jié)構(gòu)的分類方法。實(shí)驗(yàn)結(jié)果表明,該方法能夠取得較為理想的分類效果。針對(duì)社交網(wǎng)絡(luò)中音樂推薦問題,本文研究了基于相關(guān)性成分分析的音樂內(nèi)容相似度計(jì)算方法。當(dāng)前主流的音樂內(nèi)容相似度計(jì)算方法更強(qiáng)調(diào)從音樂文件數(shù)據(jù)的總體特征來分析,進(jìn)而獲取相關(guān)的特征數(shù)據(jù),這類方法沒有能夠突出一些核心特征對(duì)于音樂文件相似所起的關(guān)鍵作用。本文提出使用相關(guān)性成分分析的方法以提升音樂相似度計(jì)算的準(zhǔn)確率。本文首先使用PCA白化處理歌曲的MFCC數(shù)據(jù)集,在此基礎(chǔ)上使用K-Means方法分析出MFCC數(shù)據(jù)集中的核心信息,通過選取部分距離聚類簇中心較近的數(shù)據(jù)作為核心數(shù)據(jù),再使用相關(guān)性成分分析這些核心數(shù)據(jù),有效地提升了核心維度的權(quán)重,同時(shí)降低了非核心維度的權(quán)重。最后使用歐式距離公式計(jì)算不同歌曲的距離。實(shí)驗(yàn)結(jié)果表明該方法提升了音樂相似度計(jì)算的精準(zhǔn)性。針對(duì)社交網(wǎng)絡(luò)中用戶眾多而尋找有影響力的用戶困難的問題,本文研究了社交網(wǎng)絡(luò)中影響力計(jì)算模型。本文在充分分析現(xiàn)有模型的基礎(chǔ)上,提出了基于社交網(wǎng)絡(luò)特征的影響力計(jì)算模型,即影響力分為全局影響力和局部影響力。全局影響力主要從用戶的社交關(guān)系網(wǎng)絡(luò)出發(fā),分析由用戶的關(guān)系數(shù)量而產(chǎn)生的影響力;局部影響力主要從用戶所參與的社群出發(fā),結(jié)合用戶在該社群中的好友占該社群全體成員的比例,進(jìn)而推斷出用戶的局部影響力。通過分配給二者合理的權(quán)重,進(jìn)而預(yù)測(cè)出用戶在社交網(wǎng)絡(luò)中的影響力。實(shí)驗(yàn)結(jié)果表明該方法能夠取得較好的影響力預(yù)測(cè)效果。針對(duì)社交網(wǎng)絡(luò)中用戶交往之間存在信任關(guān)系的情況,本文研究了在線社交網(wǎng)絡(luò)中信任度計(jì)算模型。傳統(tǒng)以圖模型為基礎(chǔ)的影響力計(jì)算方法存在多方面的問題。本文提出了混合型的社交網(wǎng)絡(luò)中信任度計(jì)算模型。該模型主要考慮交互式信任和榮譽(yù)式信任。其中,交互式信任主要從信任雙方的交互程度來判斷,如果雙方有過歷史交互記錄,則雙方進(jìn)行直接交互信任,否則雙方屬于間接交互信任。榮譽(yù)式信任又分為群體榮譽(yù)信任和跟隨式榮譽(yù)信任。其中,群體榮譽(yù)信任是指社交網(wǎng)絡(luò)中用戶所有粉絲形成的信任,而跟隨式榮譽(yù)信任則指有該用戶所有粉絲中前K個(gè)榮譽(yù)度最大的粉絲所產(chǎn)生的信任。將這些因子通過合理的權(quán)重有效地組織起來,則用于計(jì)算在線社交網(wǎng)絡(luò)中的信任度。實(shí)驗(yàn)結(jié)果表明,該模型能在信任度計(jì)算方面夠取得較好的效果。
[Abstract]:On the basis of analyzing the mainstream research results , this paper studies the classification method based on hierarchical structure . This paper analyzes the influence of users in social networks based on the mutual trust between users in social networks . The results show that mutual trust is the trust of all fans in the social network .

【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Bruce Antelman;李雯;;社交網(wǎng)絡(luò)[J];高校圖書館工作;2008年01期

2 ;基于位置的手機(jī)社交網(wǎng)絡(luò)“貝多”正式發(fā)布[J];中國(guó)新通信;2008年06期

3 曹增輝;;社交網(wǎng)絡(luò)更偏向于用戶工具[J];信息網(wǎng)絡(luò);2009年11期

4 ;美國(guó):印刷企業(yè)青睞社交網(wǎng)絡(luò)營(yíng)銷新方式[J];中國(guó)包裝工業(yè);2010年Z1期

5 李智惠;柳承燁;;韓國(guó)移動(dòng)社交網(wǎng)絡(luò)服務(wù)的類型分析與促進(jìn)方案[J];現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào));2010年08期

6 賈富;;改變一切的社交網(wǎng)絡(luò)[J];互聯(lián)網(wǎng)天地;2011年04期

7 譚拯;;社交網(wǎng)絡(luò):連接與發(fā)現(xiàn)[J];廣東通信技術(shù);2011年07期

8 陳一舟;;社交網(wǎng)絡(luò)的發(fā)展趨勢(shì)[J];傳媒;2011年12期

9 殷樂;;全球社交網(wǎng)絡(luò)新態(tài)勢(shì)及文化影響[J];新聞與寫作;2012年01期

10 許麗;;社交網(wǎng)絡(luò):孤獨(dú)年代的集體狂歡[J];上海信息化;2012年09期

相關(guān)會(huì)議論文 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預(yù)測(cè)與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國(guó)管理學(xué)年會(huì)商務(wù)智能分會(huì)場(chǎng)論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對(duì)社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

3 楊子鵬;喬麗娟;王夢(mèng)思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學(xué)生焦慮緩解[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

5 杜p，

本文編號(hào)：1829789