屬性網(wǎng)絡(luò)近年來(lái)非常普遍,例如社交網(wǎng)絡(luò)和知識(shí)圖譜,它們與大量的文檔信息（例如,推文和維基頁(yè)面）和位置信息（例如check-in數(shù)據(jù)）相關(guān)聯(lián)。然而,這種大型網(wǎng)絡(luò)所蘊(yùn)含的豐富屬性信息給社區(qū)搜索問(wèn)題帶來(lái)了巨大的挑戰(zhàn),其中主要原因在于其需要同時(shí)考慮大量數(shù)據(jù)下的可延展性和在文本、空間信息上的雙重約束。目前的研究旨在搜索結(jié)構(gòu)緊密的子圖作為社交關(guān)系密切的社區(qū),但這樣通常會(huì)缺乏對(duì)表示主題興趣的關(guān)鍵詞或表示位置臨近的空間距離的考慮,導(dǎo)致社區(qū)搜索問(wèn)題不能具有更廣泛的應(yīng)用價(jià)值。本文提出空間最優(yōu)的主題感知社區(qū)（TASOC）搜索問(wèn)題,該問(wèn)題旨在搜索包含以下特性的社區(qū):i)結(jié)構(gòu)緊密性:社區(qū)中的成員結(jié)構(gòu)上緊密相連,ii)主題涵蓋:社區(qū)中頂點(diǎn)屬性包含一系列給出的主題關(guān)鍵詞,并且,iii)空間最優(yōu)性:社區(qū)的直徑最小化。然而,空間最優(yōu)的主題感知社區(qū)搜索問(wèn)題是一個(gè)NP-hard問(wèn)題。為了解決在大型屬性圖上的TASOC搜索問(wèn)題,本文提出4個(gè)近似算法,分別是GKC、GRID、BIGRID和GRID+,它們均利用一種基于正方形設(shè)計(jì)的技術(shù)。這些提出的算法均更高效于基于現(xiàn)有方法修改成的基本算法。本文還提出一個(gè)以提出的最好近似算法為基礎(chǔ)... 

【文章來(lái)源】：暨南大學(xué)廣東省 211工程院校

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

TASOC示例


本文編號(hào)：2966177