本文關(guān)鍵詞：社會網(wǎng)絡(luò)中基于主題的影響力最大化研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,社會網(wǎng)絡(luò)逐漸滲入到人們生活的方方面面。人們進(jìn)行的各種社交活動使得社會網(wǎng)絡(luò)中每天都會產(chǎn)生海量的信息在用戶之間傳播與擴(kuò)散,并且這些海量的信息中包含著各種各樣的主題,在不同的主題下,都存在著對其他用戶影響極大的用戶,通過這些影響極大的用戶進(jìn)行信息傳播,可以將信息最大程度的擴(kuò)散開來。在此背景下,社會網(wǎng)絡(luò)中基于主題的影響力最大化問題成為了研究熱點(diǎn),其目的是針對社會網(wǎng)絡(luò)中產(chǎn)生的各種主題,挖掘任意特定主題下最有影響力的節(jié)點(diǎn)集合,然后通過所挖掘的節(jié)點(diǎn)集合進(jìn)行信息傳播,可以使得信息在整個社會網(wǎng)絡(luò)中的傳播達(dá)到最大化,即所挖掘的節(jié)點(diǎn)集合最有最大的影響力。本文首先對基于主題的影響力最大化研究的相關(guān)理論與技術(shù)進(jìn)行了研究與介紹,并根據(jù)近年來的研究現(xiàn)狀,分析了已有研究中存在的一些問題。然后,在此基礎(chǔ)上借鑒已有的研究成果,對社會網(wǎng)絡(luò)中基于主題的影響力最大化問題進(jìn)行了較為深入的研究,具體的研究內(nèi)容如下:(1)針對社會網(wǎng)絡(luò)中的潛藏主題及用戶節(jié)點(diǎn)主題分布的獲取問題,提出了一種適用于社會網(wǎng)絡(luò)短文本主題挖掘的主題模型,即用戶_詞對主題模型U_BTM。首先采用聚類算法對社會網(wǎng)絡(luò)中的短文本文檔進(jìn)行文本聚類,且通過平方誤差及輪廓系數(shù)得到合適的聚簇個數(shù)。然后將每個聚簇中的短文本整合在一個文檔中組成一個長文本文檔,并根據(jù)長文本文檔中用戶節(jié)點(diǎn)的主題分布對每個長文本文檔中詞對的產(chǎn)生模式進(jìn)行建模,并采用吉布斯抽樣方法推導(dǎo)出模型中的參數(shù),得到社會網(wǎng)絡(luò)中的主題及用戶節(jié)點(diǎn)的主題分布。最后通過實驗驗證了所提模型在主題質(zhì)量、主題困惑度及主題差異性方面的優(yōu)越性。(2)針對特定主題下挖掘最有影響力節(jié)點(diǎn)集合的問題,在獲取到的主題及用戶節(jié)點(diǎn)主題分布的基礎(chǔ)上,提出了一種基于主題的影響力最大化算法。該算法考慮到主題對影響力節(jié)點(diǎn)挖掘的影響,首先對社會網(wǎng)絡(luò)中的所有節(jié)點(diǎn)進(jìn)行篩選得到一個節(jié)點(diǎn)子集,然后在該節(jié)點(diǎn)子集上分兩階段挖掘影響力節(jié)點(diǎn)集合,第一階段靜態(tài)地挖掘主題權(quán)威性大的節(jié)點(diǎn)加入到影響力節(jié)點(diǎn)集合,第二階段將所挖掘的節(jié)點(diǎn)作為初始傳播節(jié)點(diǎn)并利用所提出的主題信息傳播模型模擬信息傳播,迭代的挖掘主題影響增量最大的節(jié)點(diǎn)加入到影響力節(jié)點(diǎn)集合。最后通過實驗驗證了算法的有效性。
【關(guān)鍵詞】：社會網(wǎng)絡(luò) 主題 影響力最大化 信息傳播 節(jié)點(diǎn)挖掘
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-17
• 1.1 研究背景與意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 研究目標(biāo)與內(nèi)容14-15
• 1.4 論文組織結(jié)構(gòu)15-17
• 第二章 相關(guān)理論與技術(shù)17-29
• 2.1 社會網(wǎng)絡(luò)17-18
• 2.2 常見主題模型18-23
• 2.2.1 LSA18-19
• 2.2.2 PLSA19-22
• 2.2.3 LDA22-23
• 2.3 信息傳播模型23-27
• 2.3.1 獨(dú)立級聯(lián)模型24-25
• 2.3.2 線性閾值模型25-26
• 2.3.3 傳染病模型26-27
• 2.4 基于主題的影響力最大化問題27-28
• 2.4.1 相關(guān)定義27-28
• 2.4.2 評價標(biāo)準(zhǔn)28
• 2.5 本章小結(jié)28-29
• 第三章 基于U_BTM的主題挖掘29-43
• 3.1 引言29-30
• 3.2 詞對主題模型BTM30-31
• 3.3 用戶_詞對主題模型U_BTM31-34
• 3.3.1 文本聚類32-33
• 3.3.2 U_BTM模型描述33-34
• 3.4 模型推導(dǎo)34-36
• 3.5 實驗結(jié)果與分析36-41
• 3.5.1 實驗數(shù)據(jù)集36
• 3.5.2 文本聚類36-38
• 3.5.3 主題建模38-39
• 3.5.4 與其他模型的比較39-41
• 3.6 本章小結(jié)41-43
• 第四章 基于主題的影響力最大化算法43-54
• 4.1 引言43-44
• 4.2 主題信息傳播模型TPM44-45
• 4.3 基于主題的影響力最大化算法45-49
• 4.3.1 數(shù)據(jù)預(yù)處理46
• 4.3.2 主題權(quán)威節(jié)點(diǎn)挖掘46-47
• 4.3.3 主題影響力節(jié)點(diǎn)挖掘47-48
• 4.3.4 算法描述48-49
• 4.4 實驗結(jié)果與分析49-53
• 4.4.1 實驗數(shù)據(jù)集49
• 4.4.2 主題挖掘49-50
• 4.4.3 參數(shù)的確定50-52
• 4.4.4 與其他算法的比較52-53
• 4.5 本章小結(jié)53-54
• 第五章 總結(jié)與展望54-56
• 5.1 總結(jié)54-55
• 5.2 展望55-56
• 致謝56-57
• 參考文獻(xiàn)57-60
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 張曉;王金龍;吳啟暉;;空間相關(guān)信道下一種合作感知節(jié)點(diǎn)集合選擇算法[J];信號處理;2010年10期

2 吳大鵬;武穆清;甄巖;張曉靜;;帶有帶寬感知的自適應(yīng)轉(zhuǎn)發(fā)節(jié)點(diǎn)集合建立機(jī)制[J];高技術(shù)通訊;2009年09期

3 湯強(qiáng);汪秉文;胡曉婭;;鄰居多跳分布式分簇路由協(xié)議[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2010年02期

4 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 朱玉婷;社會網(wǎng)絡(luò)中基于主題的影響力最大化研究[D];江蘇大學(xué);2016年

  本文關(guān)鍵詞：社會網(wǎng)絡(luò)中基于主題的影響力最大化研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：376478