本文關(guān)鍵詞：社交網(wǎng)絡(luò)中的社區(qū)聚集研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展,在線社交網(wǎng)絡(luò)作為一種重要的網(wǎng)絡(luò)應(yīng)用,正逐漸深入人們社會(huì)生活的方方面面。社交網(wǎng)絡(luò)中的用戶由于自身的交往范圍和興趣愛好而聚合形成群體(社區(qū))結(jié)構(gòu)。社交網(wǎng)絡(luò)的變化、信息傳播與這種結(jié)構(gòu)關(guān)系密切。如何從網(wǎng)絡(luò)中找出社區(qū)結(jié)構(gòu)成為了近幾年社交網(wǎng)絡(luò)研究的熱點(diǎn)方向。本文研究了社交網(wǎng)絡(luò)的模型和社區(qū)發(fā)現(xiàn)算法,然后提出了一種新的基于鄰接向量傳播的社區(qū)發(fā)現(xiàn)算法。算法包括了鄰接向量傳播和層次聚類兩個(gè)階段。首先為了定義網(wǎng)絡(luò)中節(jié)點(diǎn)間的相似度,本文提出了鄰接向量的概念。鄰接向量是一個(gè)多維空間中的單位向量,它的方向代表了節(jié)點(diǎn)一定范圍內(nèi)的網(wǎng)絡(luò)拓?fù)湫畔�。在向量傳播階段中,節(jié)點(diǎn)與鄰居交換拓?fù)湫畔?將自己的向量與鄰居的向量組合,最后計(jì)算出鄰接向量。通過鄰接向量?jī)?nèi)積定義了節(jié)點(diǎn)相似度,相似度越高的節(jié)點(diǎn)越可能在同一個(gè)社區(qū)中。在層次聚類階段,迭代地選擇具有最大相似度的相鄰節(jié)點(diǎn)進(jìn)行合并,并通過向量合并和降維過程保持向量能代表一個(gè)社區(qū)并維持較低的維數(shù),最終提取出網(wǎng)絡(luò)中的社區(qū)。為了評(píng)估算法準(zhǔn)確性,我們將算法應(yīng)用到了現(xiàn)實(shí)網(wǎng)絡(luò)和LFR基準(zhǔn)測(cè)試網(wǎng)絡(luò)中。實(shí)驗(yàn)結(jié)果表明,鄰接向量相似度能夠比較準(zhǔn)確地反映節(jié)點(diǎn)之間的相似性。與其它一些算法相比,本文提出的社區(qū)發(fā)現(xiàn)算法能夠比較有效、準(zhǔn)確地找出網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)。
【關(guān)鍵詞】：算法 社交網(wǎng)絡(luò) 社區(qū)發(fā)現(xiàn)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.09
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 研究背景和意義10-11
• 1.2 研究現(xiàn)狀11-12
• 1.3 論文的主要工作12
• 1.4 論文的結(jié)構(gòu)安排12-14
• 第二章 社交網(wǎng)絡(luò)模型與社區(qū)發(fā)現(xiàn)算法14-27
• 2.1 社交網(wǎng)絡(luò)模型研究14-20
• 2.1.1 社交網(wǎng)絡(luò)模型14-16
• 2.1.2 社交網(wǎng)絡(luò)個(gè)體特征16-17
• 2.1.3 社交網(wǎng)絡(luò)整體特征17-20
• 2.2 社區(qū)發(fā)現(xiàn)算法20-26
• 2.2.1 社區(qū)定義20-21
• 2.2.2 社區(qū)發(fā)現(xiàn)算法的量化評(píng)價(jià)21-22
• 2.2.3 圖劃分算法22-23
• 2.2.4 層次聚類算法23-25
• 2.2.5 譜聚類方法25-26
• 2.2.6 其它算法26
• 2.3 本章小結(jié)26-27
• 第三章 基于鄰接向量傳播的社區(qū)發(fā)現(xiàn)算法27-38
• 3.1 相似度27-29
• 3.1.1 重疊鄰居相似度定義27-28
• 3.1.2 鄰接向量相似度定義28-29
• 3.2 鄰接向量傳播算法29-33
• 3.2.1 算法過程29-31
• 3.2.2 算法參數(shù)31
• 3.2.3 算法結(jié)果31-32
• 3.2.4 算法擴(kuò)展32
• 3.2.5 算法示例32-33
• 3.3 基于鄰接向量的層次聚類算法33-37
• 3.3.1 算法過程34-35
• 3.3.2 算法示例35-37
• 3.4 本章小結(jié)37-38
• 第四章 算法實(shí)現(xiàn)與復(fù)雜度分析38-47
• 4.1 數(shù)據(jù)結(jié)構(gòu)選擇38-41
• 4.1.1 圖的數(shù)據(jù)結(jié)構(gòu)表示38-39
• 4.1.2 鄰接向量39-40
• 4.1.3 鄰接向量相似度40-41
• 4.2 算法過程優(yōu)化41-44
• 4.2.1 鄰接向量傳播41-42
• 4.2.2 層次聚類42-44
• 4.3 復(fù)雜度分析44-46
• 4.3.1 時(shí)間復(fù)雜度44-46
• 4.3.2 空間復(fù)雜度46
• 4.4 本章小結(jié)46-47
• 第五章 實(shí)驗(yàn)與分析47-54
• 5.1 節(jié)點(diǎn)相似度與新連接建立47-49
• 5.2 實(shí)際網(wǎng)絡(luò)49-51
• 5.2.1 Zachary的空手道俱樂部網(wǎng)絡(luò)49-50
• 5.2.2 NCAA美國(guó)大學(xué)橄欖球網(wǎng)絡(luò)50-51
• 5.3 LFR基準(zhǔn)測(cè)試網(wǎng)絡(luò)51-53
• 5.4 本章小結(jié)53-54
• 第六章 總結(jié)與展望54-56
• 6.1 本文工作總結(jié)54
• 6.2 研究展望54-56
• 參考文獻(xiàn)56-59
• 致謝59-60
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 淦文燕;赫南;李德毅;王建民;;一種基于拓?fù)鋭?shì)的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法[J];軟件學(xué)報(bào);2009年08期

  本文關(guān)鍵詞：社交網(wǎng)絡(luò)中的社區(qū)聚集研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：322728