在線社交網絡(Online Social Network,OSN)已成為有效連接人們和促進信息傳播的重要平臺,這對我們的社會生活和社會至關重要。但是由于隱私問題和訪問限制,研究者很難獲得整個社交網絡的數據并對其進行分析,因此通過采樣得到一個具有代表性的子圖至關重要。但是由于同樣的原因,我們缺乏原始網絡作為參照,這對評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絡的節(jié)點拓撲特性的無偏分布,從而用來評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UNI采樣(adpUNI)方法,該方法通過將用戶ID空間劃分為多個均勻間隔并使得各區(qū)間采樣概率根據其命中率自適應地變化來克服UNI采樣效率低下的缺點�；赼dpUNI方法,我們進一步將每次采樣命中節(jié)點的鄰居節(jié)點也添加到樣本集中,這樣可以進一步提高采樣效率,并獲得更具連通性和代表性的子圖,我們將該方法稱...

【文章頁數】：77 頁

【學位級別】：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??

?北京化工大學碩士學位???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ＴｗｉｔｔｅｒＵｂ）和新浪微博（ｃ，ｄ）??

?第五章實驗及結果分析???度差別不是很大，故不同區(qū)間數的劃分對ａｄｐＵＮＩ在其上的采樣效率的影響的差異不??會太大。從圖５－１?（ｂ）和（ｄ）中可以看出ａｄｐＵＮＩ＋Ｎ的采樣效率對區(qū)間劃分數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各釆樣方法對新浪微博的釆樣子網與原網的度分布（ａ）、ｋ－ｃｏｒｅ分布（ｂ）??和聚類系數分布（ｃ）??－－

?第五章實驗及結果分析???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：3937359