隨著互聯(lián)網(wǎng)的飛速發(fā)展和Web 2.0時代的來臨,在線社會網(wǎng)絡的用戶規(guī)模不斷增長,產(chǎn)生了大量的具有連接關系的網(wǎng)絡數(shù)據(jù)。利用數(shù)據(jù)挖掘和機器學習的技術,從復雜的結構信息中挖掘出網(wǎng)絡中隱藏的規(guī)律和模式,對于理解網(wǎng)絡的功能、研究用戶間的隱性聯(lián)系和行為有著十分重要的理論意義和廣泛的應用前景。節(jié)點分類是社會網(wǎng)絡數(shù)據(jù)挖掘中一個十分重要的問題。節(jié)點分類就是在部分節(jié)點有體現(xiàn)用戶興趣和行為的標簽信息的情況下,利用結構信息對其余節(jié)點進行標記。潛在社會維模型較好地解決了網(wǎng)絡連接關系的異質性問題,采用模塊度最大化這一軟聚類方法進行社會維的抽取,但仍存在分類精度較低等問題。拉普拉斯特征映射是流形學習中的一種典型方法,隱式地強調了數(shù)據(jù)的聚類特性,可解釋為一種軟聚類算法。本文提出了利用拉普拉斯特征映射進行社會維抽取的節(jié)點分類算法,實驗表明該算法的分類效果優(yōu)于原社會維模型。本文還提出了結合內容信息的改進算法,使分類精度得到進一步的提高。本文提出的節(jié)點分類算法能更好的獲取用戶的隱性聯(lián)系,從而更好地進一步分析網(wǎng)絡用戶的興趣和行為。此外,考慮到從互聯(lián)網(wǎng)上獲取數(shù)據(jù)是驗證節(jié)點分類算法的一個有效數(shù)據(jù)來源,也是開發(fā)一個在線網(wǎng)絡數(shù)據(jù)分析... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 在線社會網(wǎng)絡的相關研究工作
    1.3 本文的研究內容和章節(jié)安排
第二章 相關基礎知識
    2.1 數(shù)據(jù)挖掘基礎
        2.1.1 監(jiān)督學習
        2.1.2 無監(jiān)督學習
    2.2 在線社會網(wǎng)絡的節(jié)點分類方法
        2.2.1 問題描述
        2.2.2 典型節(jié)點分類算法
        2.2.3 優(yōu)缺點分析
    2.3 本章小結
第三章 在線社會網(wǎng)絡數(shù)據(jù)獲取實現(xiàn)
    3.1 在線網(wǎng)絡數(shù)據(jù)分析系統(tǒng)簡介
    3.2 網(wǎng)易數(shù)據(jù)獲取
        3.2.1 網(wǎng)易數(shù)據(jù)結構介紹
        3.2.2 網(wǎng)易數(shù)據(jù)獲取實現(xiàn)
    3.3 人人網(wǎng)數(shù)據(jù)獲取
        3.3.1 人人網(wǎng)數(shù)據(jù)結構介紹
        3.3.2 人人網(wǎng)數(shù)據(jù)獲取實現(xiàn)
    3.4 數(shù)據(jù)獲取評價標準
    3.5 本章小結
第四章 基于流形學習的在線社會網(wǎng)絡節(jié)點分類算法
    4.1 基本社會維模型
        4.1.1 多標簽節(jié)點分類
        4.1.2 潛在社會維模型及其不足
    4.2 基于流形學習的節(jié)點分類算法
        4.2.1 流形學習
        4.2.2 基于拉普拉斯特征映射的節(jié)點分類算法
    4.3 結合內容特征的改進算法
    4.4 實驗
        4.4.1 實驗數(shù)據(jù)
        4.4.2 評測標準
        4.4.3 不同的拉普拉斯矩陣對性能的影響
        4.4.4 與基本社會維模型的對比
        4.4.5 改進算法的分類效果
    4.5 本章小結
第五章 總結與展望
    5.1 本文工作總結
    5.2 研究展望
參考文獻
致謝
攻讀碩士學位期間已發(fā)表或錄用的論文


【參考文獻】：
期刊論文
[1]網(wǎng)絡數(shù)據(jù)分類研究進展[J]. 熊偉,周水庚,關佶紅.  模式識別與人工智能. 2011(04)
[2]基于復雜網(wǎng)絡理論的在線社會網(wǎng)絡分析[J]. 胡海波,王科,徐玲,汪小帆.  復雜系統(tǒng)與復雜性科學. 2008(02)
[3]基于譜圖理論的流形學習算法[J]. 羅四維,趙連偉.  計算機研究與發(fā)展. 2006(07)

博士論文
[1]流形學習的譜方法相關問題研究[D]. 曾憲華.北京交通大學 2009



本文編號：3099710