隨著科技的發(fā)展,人們意識到現(xiàn)實世界網(wǎng)絡(luò)并不是規(guī)則網(wǎng)絡(luò),也不同于隨機網(wǎng)絡(luò),而是具有小世界、無標度、自相似、自組織等特性的復(fù)雜網(wǎng)絡(luò)。復(fù)雜網(wǎng)絡(luò)中的一個共有屬性是社區(qū)結(jié)構(gòu),即同一社區(qū)內(nèi)部節(jié)點連接緊密而社區(qū)之間節(jié)點連接稀疏。社區(qū)發(fā)現(xiàn)有助于探測網(wǎng)絡(luò)內(nèi)部拓撲結(jié)構(gòu),發(fā)現(xiàn)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)及隱藏規(guī)律,這對進一步理解網(wǎng)絡(luò)功能,預(yù)測網(wǎng)絡(luò)行為具有重要的理論意義和現(xiàn)實價值。社區(qū)結(jié)構(gòu)發(fā)現(xiàn)研究已廣泛應(yīng)用于個性化推薦、廣告投放、信息檢索等領(lǐng)域,是復(fù)雜網(wǎng)絡(luò)領(lǐng)域研究者關(guān)注的熱點之一。本文針對復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)問題,主要從以下三個方面展開研究。(1)提出一種基于結(jié)構(gòu)相似度的社區(qū)發(fā)現(xiàn)算法SSMCA。該算法借鑒結(jié)構(gòu)相似度思想,用于解決現(xiàn)有的社區(qū)劃分算法精確度不高的問題,將結(jié)構(gòu)相似度作為邊權(quán)值,對網(wǎng)絡(luò)中的邊按照權(quán)重升序排序,刪除權(quán)值較低的邊進而形成多個孤立的社區(qū),隨后按照社區(qū)間結(jié)構(gòu)相似度及模塊度差值合并主要社區(qū),并提出一種社區(qū)結(jié)構(gòu)質(zhì)量評估方法作為算法的迭代條件,以獲得高精度的社區(qū)結(jié)構(gòu)。在人工基準網(wǎng)絡(luò)及真實數(shù)據(jù)上與經(jīng)典社區(qū)發(fā)現(xiàn)算法進行對比實驗,結(jié)果表明,該算法在社區(qū)劃分精度方面的性能優(yōu)于其他經(jīng)典算法。(2)提出一種面向主題的社區(qū)發(fā)現(xiàn)方法...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 啟發(fā)式算法
        1.2.2 基于優(yōu)化的算法
        1.2.3 基于相似度的算法
        1.2.4 其他算法
    1.3 研究內(nèi)容
    1.4 論文結(jié)構(gòu)
2 復(fù)雜網(wǎng)絡(luò)及相關(guān)理論知識
    2.1 復(fù)雜網(wǎng)絡(luò)概述
        2.1.1 復(fù)雜網(wǎng)絡(luò)表示形式
        2.1.2 復(fù)雜網(wǎng)絡(luò)統(tǒng)計特征
        2.1.3 復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特性
    2.2 社區(qū)發(fā)現(xiàn)概述
    2.3 實驗數(shù)據(jù)集
        2.3.1 人工基準生成網(wǎng)絡(luò)
        2.3.2 真實世界網(wǎng)絡(luò)
    2.4 評價指標
        2.4.1 模塊度Q
        2.4.2 精度Acu
        2.4.3 標準互化信息NMI
    2.5 本章小結(jié)
3 基于結(jié)構(gòu)相似度的社區(qū)發(fā)現(xiàn)方法研究
    3.1 相關(guān)概念及定義
    3.2 SSMCA算法
    3.3 實驗及結(jié)果分析
        3.3.1 人工基準生成網(wǎng)絡(luò)
        3.3.2 真實世界網(wǎng)絡(luò)
    3.4 本章小結(jié)
4 面向主題的社區(qū)發(fā)現(xiàn)方法研究
    4.1 高影響力用戶評價算法HIUEA
        4.1.1 用戶自身影響力評價
        4.1.2 粉絲行為評價
    4.2 社會網(wǎng)絡(luò)數(shù)據(jù)建模
    4.3 文本對象聚類
    4.4 面向主題的社區(qū)發(fā)現(xiàn)方法流程
    4.5 實驗及結(jié)果分析
        4.5.1 數(shù)據(jù)獲取
        4.5.2 HIUEA算法實驗與分析
        4.5.3 面向主題的社區(qū)發(fā)現(xiàn)方法的實驗與分析
    4.6 本章小結(jié)
5 微博主題推薦系統(tǒng)設(shè)計與實現(xiàn)
    5.1 概要設(shè)計
        5.1.1 開發(fā)環(huán)境
        5.1.2 系統(tǒng)框架
    5.2 系統(tǒng)詳細設(shè)計
        5.2.1 系統(tǒng)功能設(shè)計
        5.2.2 數(shù)據(jù)庫設(shè)計
    5.3 系統(tǒng)實現(xiàn)
        5.3.1 高影響力用戶查詢模塊
        5.3.2 粉絲用戶查詢模塊
        5.3.3 熱點分析模塊
        5.3.4 下載歷史模塊
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
7 參考文獻
8 致謝
9 攻讀碩士學位期間所發(fā)表的學術(shù)論文與成果



本文編號：3898473