【摘要】：有效預測社交網絡中的社區(qū)演化規(guī)律和趨勢,在廣告精準投放、網絡輿論監(jiān)測與引導方面具有廣泛的應用前景.近年來,基于事件框架的社區(qū)進化預測建模在反映社區(qū)演化規(guī)律和趨勢方面一直是熱點,研究的難點在于提高預測模型的預測準確度.為解決這一難點,文中首先提出一種改進的事件框架,以新型事件框架為基礎,針對不同事件分別構建有效的預測模型.其中預測模型的輸入指標包括網絡結構特征、社區(qū)的結構特征和社區(qū)進化特征.最后為了充分驗證所建預測模型的有效性并保證預測模型的實用價值,在實驗中分別用人造動態(tài)網絡數據集、DBLP動態(tài)網絡數據集和Facebook數據集作為實驗數據集,以確保實驗數據集的多樣性.實驗結果表明文中的預測模型針對形成、消失、保持、合并和分裂等事件的預測具有較高的準確性,結果也表明文中提出的特征指標和對應事件的預測模型在實際事件預測中將具有較高的實用價值.
[Abstract]:It can effectively predict the law and trend of community evolution in social networks, and it has a wide application prospect in advertising precise placement, network public opinion monitoring and guidance. In recent years, community evolutionary prediction modeling based on event framework has been a hot spot in reflecting the law and trend of community evolution. The difficulty of research is to improve the prediction accuracy of the prediction model. In order to solve this problem, an improved event framework is proposed in this paper. Based on the new event framework, an effective prediction model is constructed for different events. The input indexes of prediction model include network structure, community structure and community evolution. Finally, in order to fully verify the validity of the prediction model and ensure the practical value of the prediction model, the artificial dynamic network data set, the DBLP dynamic network data set and the Facebook data set are used as the experimental data sets in the experiment, respectively. To ensure the diversity of experimental data sets. The experimental results show that the prediction model proposed in this paper has high accuracy in predicting events such as formation, disappearance, retention, merging and splitting. The results also show that the proposed feature index and the corresponding event prediction model will have a higher practical value in the actual event prediction.
【作者單位】： 河海大學物聯網工程學院;江蘇省"世界水谷"與水世界生態(tài)文明協(xié)同創(chuàng)新中心;
【基金】：國家自然科學基金(61671202,61573128,61273170) 國家“九七三”重點基礎研究發(fā)展規(guī)劃項目基金(2016YFC0401606) 中央高�；究蒲袠I(yè)務費專項資金(2015B25214)資助~~
【分類號】：O157.5

【相似文獻】

相關期刊論文 前10條

1 楊桂元,唐小我;對預測模型質量評價的方法探討[J];中國軟科學;1998年11期

2 鮑祥霖;一個新的銷量預測模型[J];系統(tǒng)工程理論方法應用;2000年01期

3 徐家湛;灰色預測模型在經濟數列預測中的應用[J];北京統(tǒng)計;2004年06期

4 馬麗萍,褚立國;試論平均預測模型假設[J];內蒙古科技與經濟;2004年14期

5 葛菊紅;化存才;;“平移序列”的灰色預測模型及其在國慶黃金周中的應用[J];云南大學學報(自然科學版);2006年S1期

6 吳忠權;;黔南州2006—2010年人才需求總量預測模型構建[J];科技信息(學術研究);2007年12期

7 吳建國;;城市主導特色的預測模型[J];統(tǒng)計與決策;2007年09期

8 汪燕;黃會明;姚靜;;基于灰色預測模型與回歸理論對千車故障數的分析[J];銅陵學院學報;2007年05期

9 李楷;;論汽車整車庫存預測模型的構建[J];現代商貿工業(yè);2008年05期

10 姚青;劉彥良;張斌;;基于因素重構分析的人才總量預測模型[J];曲阜師范大學學報(自然科學版);2008年04期

相關會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產量的灰色預測模型[A];中國現場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經網絡的糧食產量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

相關重要報紙文章 前10條

1 劉慶;“預測模型”要緩行[N];網絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數據還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數據的垂直運營樣本[N];21世紀經濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關博士學位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產量等級系統(tǒng)的研究[D];中國農業(yè)科學院;2015年

3 吳利豐;分數階灰色預測模型及其應用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農業(yè)大學;2016年

5 文江平;農村地區(qū)成人2型糖尿病發(fā)生風險相關生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術后抗凝治療中的應用[D];天津醫(yī)科大學;2016年

7 孫鵬;風電機組狀態(tài)異常辨識廣義模型與運行風險評估方法研究[D];重慶大學;2016年

8 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

9 孫忠林;煤礦安全生產預測模型的研究[D];山東科技大學;2009年

10 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

相關碩士學位論文 前10條

1 劉冰;基于神經網絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 石大宏;基于序列的蛋白質—核苷酸綁定位點預測研究[D];南京理工大學;2015年

8 熊盛華;基于BP神經網絡的混合預測模型的實例研究[D];蘭州大學;2015年

9 趙Z，

本文編號：2373629