隨著在線社交網(wǎng)絡（Online Social Network,OSN）的流行,例如微博、微信、Facebook、Twitter等,人們在互相通信的同時,每時每刻分享著身邊發(fā)生的一切,基于社交網(wǎng)絡平臺產(chǎn)生的巨量數(shù)據(jù)給社會網(wǎng)絡分析帶來了前所未有的機遇,吸引了廣大研究者對社交網(wǎng)絡結構、傳播規(guī)律、輿情分析等課題的研究。影響力最大化問題是社會網(wǎng)絡研究中的重點問題之一。目前大部分對社交網(wǎng)絡的研究只關注于在線社交網(wǎng)絡,而忽略了現(xiàn)實世界傳統(tǒng)的人際關系網(wǎng)絡,影響力同時在線上虛擬網(wǎng)絡和線下關系網(wǎng)絡交叉?zhèn)鞑ジ蠈嶋H情況,線下關系網(wǎng)絡是影響力傳播的重要一環(huán)。本文以基于位置的社交網(wǎng)絡LBSN為平臺,通過定義人際近鄰關系建立線上和線下的交叉聯(lián)系提出一種交叉?zhèn)鞑ゾW(wǎng)絡模型,并擴展IC傳播模型提出針對交叉?zhèn)鞑サ挠绊懥ψ畲蠡瘑栴};然后利用LBSN數(shù)據(jù)集中的位置屬性提出基于相遇的人際近鄰挖掘算法;最后擴展基于樹的算法模型提出求解交叉?zhèn)鞑サ挠绊懥ψ畲蠡惴ā１疚倪x擇具有代表性的Brightkite和Gowalla簽到數(shù)據(jù)集作為真實的數(shù)據(jù)基礎。真實數(shù)據(jù)集上的實驗結果表明:影響力在交叉?zhèn)鞑ゾW(wǎng)絡模型中傳播效果優(yōu)于傳統(tǒng)在線網(wǎng)絡模型... 

【文章來源】：新疆大學新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

交叉?zhèn)鞑ミ^程

圖 3-2 交叉網(wǎng)絡響力最大化問題網(wǎng)絡中，每個用戶都有線上和線下兩種狀態(tài)存為線下節(jié)點集合，且 ，本文以獨立級由于信息大多源于在線網(wǎng)絡，所以本文選擇在線節(jié)點集合，表示為 。基于交叉?zhèn)鞑サ挠绊懥Χㄒ粋�交叉?zhèn)鞑ゾW(wǎng)絡 ， 是上網(wǎng)絡邊和線下鄰居邊集合，代表用戶之間的關一組線上初始節(jié)點集合 ，經(jīng) IC 模標用戶 最多。on offV V =VonS[ ][ ] [ ]( )t ,tt ,t t ,tf pG V ,E ,E￠ ￠￠￠ ￠￠ ￠ ￠￠= Von on onS í V , S =k( )onsS

單次登錄表示用戶出現(xiàn)在某個位置，多次登得歷史登錄活動在挖掘地理朋友中存在重要價值來挖掘人際近鄰關系。布勒的第一個地理定律“一切都與其他事物有關的聯(lián)系更緊密。”[41]意味著地理距離越近，用戶鄰在社交網(wǎng)絡關系預測研究中具有重要意義。本人際近鄰的方法。模型常相遇的人們會有更多相似經(jīng)歷，交談的機會更一段歷史時間內(nèi)相遇頻率越高的用戶越有可能在正如同事或同學關系，其生活軌跡幾乎一致且頻機漫步模型[42]，提出用戶相遇模型，如圖 3-4 所


本文編號：3248661