【摘要】：社區(qū)發(fā)現(xiàn)是社交網(wǎng)絡(luò)相關(guān)研究的重要組成部分,社區(qū)反映了社交網(wǎng)絡(luò)中用戶間的關(guān)聯(lián)關(guān)系,具有巨大的數(shù)據(jù)挖掘價(jià)值。同時(shí),隨著用戶需求的日益多樣化,不同類型的社交網(wǎng)絡(luò)得到蓬勃發(fā)展�？缟缃痪W(wǎng)絡(luò)間存在著廣泛的數(shù)據(jù)流動(dòng)和信息互補(bǔ)等現(xiàn)象,該場(chǎng)景下的相關(guān)研究具有較高的學(xué)術(shù)價(jià)值�？缟缃痪W(wǎng)絡(luò)下的應(yīng)用研究同樣需要社區(qū)發(fā)現(xiàn)工作的支持,例如跨社交網(wǎng)絡(luò)下的輿情分析、信息檢索、內(nèi)容推薦等。但是,不同社交網(wǎng)絡(luò)間顯式關(guān)聯(lián)關(guān)系較少,網(wǎng)絡(luò)主體功能差別明顯。因此,如何實(shí)現(xiàn)跨社交網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)成為當(dāng)下研究工作的新挑戰(zhàn)。本文將不同社交網(wǎng)絡(luò)中同時(shí)具有活躍賬戶的互聯(lián)網(wǎng)用戶定義為跨社交網(wǎng)絡(luò)重疊用戶。重疊用戶在不同社交網(wǎng)絡(luò)中廣泛存在,且多數(shù)重疊用戶會(huì)在不同網(wǎng)絡(luò)中發(fā)布相似信息,搭建了不同社交網(wǎng)絡(luò)間信息流動(dòng)的“橋梁”。因此,針對(duì)上面的問題,本文以跨社交網(wǎng)絡(luò)重疊用戶為基礎(chǔ),提出基于重疊用戶的跨社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方案。本文首先從不同社交網(wǎng)絡(luò)中挖掘跨社交網(wǎng)絡(luò)重疊用戶集合,并進(jìn)行篩選。然后對(duì)重疊用戶集合建模,構(gòu)建跨社交網(wǎng)絡(luò)重疊用戶混合網(wǎng)絡(luò)。之后使用本文提出的CMN_NMF多維網(wǎng)絡(luò)子團(tuán)劃分算法對(duì)重疊用戶混合網(wǎng)絡(luò)進(jìn)行社區(qū)劃分,獲得關(guān)聯(lián)關(guān)系緊密的重疊用戶子團(tuán)。以重疊用戶子團(tuán)為核心在不同社交網(wǎng)絡(luò)中進(jìn)行基于重疊用戶子團(tuán)的社區(qū)發(fā)現(xiàn)工作,獲得每個(gè)社交網(wǎng)絡(luò)的社區(qū)劃分。最后將不同社交網(wǎng)絡(luò)中擁有相同重疊用戶子團(tuán)的社區(qū)進(jìn)行融合,獲得跨社交網(wǎng)絡(luò)社區(qū)。本文以知乎和微博社交網(wǎng)絡(luò)中的用戶群體作為真實(shí)數(shù)據(jù)集來驗(yàn)證本研究提出方法的有效性。在實(shí)驗(yàn)中提出重疊用戶子團(tuán)文本內(nèi)容相似度,跨社交網(wǎng)絡(luò)社區(qū)內(nèi)文本內(nèi)容相似度和隱式重疊用戶發(fā)現(xiàn)比例三個(gè)評(píng)價(jià)指標(biāo)來進(jìn)行不同算法的對(duì)比。對(duì)比實(shí)驗(yàn)結(jié)果表明,本研究給出的跨社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方案能夠更好的挖掘不同社交網(wǎng)絡(luò)中的相似用戶,滿足現(xiàn)實(shí)研究需要。最后,本文設(shè)計(jì)并實(shí)現(xiàn)了跨社交網(wǎng)絡(luò)社區(qū)展示的原型系統(tǒng),以web頁(yè)面的形式對(duì)社區(qū)用戶關(guān)聯(lián)關(guān)系和用戶詳細(xì)信息進(jìn)行了可視化展示。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.09
【圖文】：

圖 2.1 拉格朗日乘子法等高線示例圖)，首先給出其在二維平面上的等高線，如) ，如上圖綠色曲線所示。目標(biāo)函數(shù) ( 、相離這三種情況。約束條件曲線和等高約束條件曲線和等高線相交或者相切時(shí)，數(shù)的最優(yōu)解，因?yàn)橄嘟灰馕吨隙ㄟ�有其等高線和約束條件曲線的交點(diǎn)使得目標(biāo)函件曲線相切時(shí)，才能得到滿足要求的最優(yōu)必要條件是目標(biāo)函數(shù)和約束條件函數(shù)相切示： ( ) ( ) ，與優(yōu)化問題中給出的約束 ( )

里的條件便是 KKT 條件。公式化表示如下：) ≤ （原始不等式約束）) （原始等式約束） （非負(fù)性） ) （互補(bǔ)松弛性） ) 格朗日函數(shù)后，通過使用 KKT 條件可以解決不等式約束優(yōu)化問陣分解算法相關(guān)理論知識(shí)分解算法最早由 Lee 和 Seung 兩人[27]在 1999 年的 Nature 雜志上想是對(duì)給定的非負(fù)矩陣 要求將其分解為非負(fù)矩陣 和非負(fù)矩陣乘積盡可能等于原矩陣 。如圖 2.2 所示：

東南大學(xué)碩士學(xué)位論文制條件被引入后，大大增加了矩陣分解算法的現(xiàn)實(shí)應(yīng)用場(chǎng)景，使得分具有了可解釋性。分解后的基矩陣 可以理解為降維后的特征矩陣，陣 的低維表示，反映了“局部構(gòu)成整體”的概念。該算法已經(jīng)在圖像薦系統(tǒng)、語(yǔ)音處理、生物醫(yī)藥工程等多個(gè)重要研究領(lǐng)域取得廣泛應(yīng)矩陣分解應(yīng)用最為成功的圖像分析和處理領(lǐng)域?yàn)槔�，解釋該算法在�?shí)。一個(gè) 2000 張人臉圖片的集合，每張圖片由 × 的像素點(diǎn)陣表示可以用一個(gè) × 的非負(fù)矩陣進(jìn)行表示。設(shè)定抽取的面部特征個(gè)陣分解算法處理該矩陣，可以得到 × 的面部特征基矩陣 和權(quán)圖 2.3 所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳健;周麗華;;大學(xué)生社交網(wǎng)絡(luò)自我表露的實(shí)證研究[J];高校輔導(dǎo)員學(xué)刊;2018年06期

2 譚洪旭;袁帥;代連奇;任利峰;;淺談社交網(wǎng)絡(luò)對(duì)當(dāng)代大學(xué)生的影響[J];產(chǎn)業(yè)與科技論壇;2018年24期

3 孫夏卿;;社交網(wǎng)絡(luò)媒體對(duì)大學(xué)生賦權(quán)的價(jià)值體現(xiàn)[J];傳播力研究;2018年31期

4 張曉飛;;以社交網(wǎng)絡(luò)為基礎(chǔ)的企業(yè)營(yíng)銷策略[J];商場(chǎng)現(xiàn)代化;2018年22期

5 孫國(guó)強(qiáng);竇倩倩;張寶建;;西方社交網(wǎng)絡(luò)研究進(jìn)展與未來展望[J];情報(bào)科學(xué);2019年02期

6 陳文泰;李衛(wèi)東;;國(guó)際社交網(wǎng)絡(luò)中“國(guó)家實(shí)在”傳播與國(guó)家形象演化機(jī)制研究[J];新聞大學(xué);2018年06期

7 孫金銘;吳s我

本文編號(hào)：2805499