在線社交網(wǎng)絡(luò)(Online Social Network,OSN)已成為有效連接人們和促進(jìn)信息傳播的重要平臺(tái),這對(duì)我們的社會(huì)生活和社會(huì)至關(guān)重要。但是由于隱私問題和訪問限制,研究者很難獲得整個(gè)社交網(wǎng)絡(luò)的數(shù)據(jù)并對(duì)其進(jìn)行分析,因此通過采樣得到一個(gè)具有代表性的子圖至關(guān)重要。但是由于同樣的原因,我們?nèi)狈υ季W(wǎng)絡(luò)作為參照,這對(duì)評(píng)估抽樣方法的無偏性(尤其是代表性)提出了巨大挑戰(zhàn)。因此,用戶均勻采樣方法(Uniform sampling of user IDs,UNI)[Gjoka et al.2010]被提出以獲得原始網(wǎng)絡(luò)的節(jié)點(diǎn)拓?fù)涮匦缘臒o偏分布,從而用來評(píng)估其他采樣方法的無偏性。然而,UNI采樣效率低下,并且很少研究由采樣節(jié)點(diǎn)及其之間的連接所形成的子圖的代表性和連通性。故在本文中,本文提出了一種自適應(yīng)UNI采樣(adpUNI)方法,該方法通過將用戶ID空間劃分為多個(gè)均勻間隔并使得各區(qū)間采樣概率根據(jù)其命中率自適應(yīng)地變化來克服UNI采樣效率低下的缺點(diǎn)�；赼dpUNI方法,我們進(jìn)一步將每次采樣命中節(jié)點(diǎn)的鄰居節(jié)點(diǎn)也添加到樣本集中,這樣可以進(jìn)一步提高采樣效率,并獲得更具連通性和代表性的子圖,我們將該方法稱...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１拒絕釆樣方法說明??Ｆｉｇ．２－１?Ｔｈｅ?ｉｎｓｔｒｕｃｔｉｏｎ?ｏｆ?ｒｅｊｅｃｔｉｏｎ?ｓａｍｐｌｉｎｇ??

?北京化工大學(xué)碩士學(xué)位???ＡＣＣＥＰＴＡＴＩＯＮ??’?ｆ?ｍｍ?ｙ??０?［ｘ；ｘ＋ｄｘ］?ｘ??圖２－１拒絕釆樣方法說明??Ｆｉｇ．２－１?Ｔｈｅ?ｉｎｓｔｒｕｃｔｉｏｎ?ｏｆ?ｒｅｊｅｃｔｉｏｎ?ｓａｍｐｌｉｎｇ??２．３．２?ＵＮＩ采樣過程及均勻性證明??ＵＮＩ采樣作為....

圖３－３新浪微博用戶ＩＤ在區(qū)間［０，５〇ｘｌ〇８）內(nèi)的分布情況??Ｆｉｇ．３－３?Ｔｈｅ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｖａｌｉｄ?ｕｓｅｒ?ＩＤｓ?ｏｆ?Ｓｉｎａ?Ｗｅｉｂｏ?

＜?ｄ＾??１〇３?［：?｜．．．．．．Ｉ?Ｔ７?＊?＾??廠１??１０?ｉ＾ＳｐＦｒ！?：?ｉ?Ｉ?：?？??？?？?？?＜？］？??攀?？?＾?？?？??〇?＾?‘?？?．?？?？?？?－?？?＊??１０?？－?＊?？?＊?？?？?＊??０?２６?５０?７５?１００?１２５?....

圖５－１?ＵＮＩ，ＭＨＲＷ和ａｄｐＵＮＵｄｐＵＮＩ＋Ｎ?（在不同的區(qū)間劃分下）對(duì)ＴｗｉｔｔｅｒＵｂ）和新浪微博（ｃ，ｄ）??

?第五章實(shí)驗(yàn)及結(jié)果分析???度差別不是很大，故不同區(qū)間數(shù)的劃分對(duì)ａｄｐＵＮＩ在其上的采樣效率的影響的差異不??會(huì)太大。從圖５－１?（ｂ）和（ｄ）中可以看出ａｄｐＵＮＩ＋Ｎ的采樣效率對(duì)區(qū)間劃分?jǐn)?shù)Ｉ有??較好的魯棒性。??值得注意的是在圖５－１和表５－１中／’ｓａｍｐｌｉｎｇ?ｔｉｍ....

圖５－４各釆樣方法對(duì)新浪微博的釆樣子網(wǎng)與原網(wǎng)的度分布（ａ）、ｋ－ｃｏｒｅ分布（ｂ）??和聚類系數(shù)分布（ｃ）??－－

?第五章實(shí)驗(yàn)及結(jié)果分析???１〇０１．０－?ｋ?１．０???ｊ??（ａ）?Ｋ?（ｂ，?（ｃ，??Ｉ?〇．〇．?／?—－?ＢＦＳ??１０°?ｌ〇ｉ?ｌ〇２?ｉ〇３?１０４?ｌ〇〇?ｉ〇ｉ?１０２?〇？〇?０?２?０．４?０．６?０．８?１．０??ｄｅｇｒｅｅ?ｋ－ｃｏｒｅ?ｃｃ??....

本文編號(hào)：3937359