本文關(guān)鍵詞：基于重疊社區(qū)結(jié)構(gòu)的社交網(wǎng)絡(luò)最大影響力研究

  更多相關(guān)文章： 社交網(wǎng)絡(luò) 社區(qū)聚類 重疊社區(qū) 影響力 線性閥值

【摘要】：社交網(wǎng)絡(luò)影響力最大化問題就像營(yíng)銷領(lǐng)域中的“病毒式營(yíng)銷”問題,是在一定的條件約束下,以一定的規(guī)則選取一組初始節(jié)點(diǎn),然后運(yùn)用影響力的擴(kuò)散模型,使得選擇的初始節(jié)點(diǎn)能夠影響的范圍達(dá)到最大。然而在以往的研究當(dāng)中,大多只考慮了網(wǎng)絡(luò)圖中的節(jié)點(diǎn)與邊的屬性,沒有考慮到整個(gè)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)性質(zhì),這導(dǎo)致得到的實(shí)驗(yàn)結(jié)果不能滿足結(jié)構(gòu)復(fù)雜的現(xiàn)實(shí)網(wǎng)絡(luò)。為了綜合考慮到網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)性質(zhì),并提高影響力最大化算法的準(zhǔn)確性,在本文中,提出了一種基于重疊社區(qū)結(jié)構(gòu)的最大化影響力研究方法。首先,提出了一種基于k-means算法的社區(qū)聚類算法。并對(duì)k-means算法的初始選擇隨機(jī)性和聚類過程中總是選擇距離最近的節(jié)點(diǎn)的原則,對(duì)k-means算法進(jìn)行改進(jìn),得到算法初始的粗糙社區(qū)結(jié)構(gòu)。其次,提出了一種社區(qū)結(jié)構(gòu)重疊社區(qū)發(fā)現(xiàn)算法。在算法中,對(duì)社區(qū)間的節(jié)點(diǎn)進(jìn)行重疊節(jié)點(diǎn)判斷,以此來改進(jìn)聚類結(jié)果,并可以進(jìn)行重疊社區(qū)發(fā)現(xiàn)。再次,提出了一種基于閥值影響力最大化初始節(jié)點(diǎn)選擇算法。在算法中,通過統(tǒng)計(jì)一個(gè)節(jié)點(diǎn)的連邊數(shù)目來判斷節(jié)點(diǎn)的潛在影響力,每次都選擇潛在影響力最大的節(jié)點(diǎn)作為初始節(jié)點(diǎn),并是不簡(jiǎn)單的使用節(jié)點(diǎn)的度來判斷節(jié)點(diǎn)的影響力�；谶@種思想提出了本文中的最大化影響力算法。最后,選取Slashdot Zoo社交網(wǎng)絡(luò)數(shù)據(jù),并搭建了實(shí)驗(yàn)環(huán)境,進(jìn)行驗(yàn)證。在實(shí)驗(yàn)中,對(duì)比了k-means聚類算法與改進(jìn)的算法;對(duì)比了貪心算法的影響范圍與文中提出算法的影響范圍,并對(duì)實(shí)驗(yàn)結(jié)論進(jìn)行了分析。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 社區(qū)聚類 重疊社區(qū) 影響力 線性閥值
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O157.5
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第1章 緒論8-15
• 1.1 課題背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 研究?jī)?nèi)容以及論文的組織結(jié)構(gòu)13-15
• 1.3.1 研究?jī)?nèi)容13
• 1.3.2 論文組織結(jié)構(gòu)13-15
• 第2章 論文相關(guān)理論15-27
• 2.1 社交網(wǎng)絡(luò)綜述15-17
• 2.2 社區(qū)發(fā)現(xiàn)相關(guān)技術(shù)方法17-22
• 2.2.1 社區(qū)發(fā)現(xiàn)介紹17-18
• 2.2.2 非重疊社區(qū)發(fā)現(xiàn)方法18-20
• 2.2.3 重疊社區(qū)發(fā)現(xiàn)方法20-21
• 2.2.4 基于聚類的重疊社區(qū)發(fā)現(xiàn)的新方法21-22
• 2.3 影響力最大化相關(guān)技術(shù)22-26
• 2.3.1 影響力最大化研究的模型22-23
• 2.3.2 影響力最大化的算法23-25
• 2.3.3 影響力最大化研究方法25-26
• 2.4 本章小結(jié)26-27
• 第3章 社區(qū)結(jié)構(gòu)中重疊節(jié)點(diǎn)發(fā)現(xiàn)算法27-36
• 3.1 社交網(wǎng)絡(luò)社區(qū)聚類算法27-28
• 3.2 聚類算法的改進(jìn)28-32
• 3.2.1 社區(qū)發(fā)現(xiàn)算法初始聚類數(shù)目的確定28-29
• 3.2.2 基于節(jié)點(diǎn)密度的聚類初始中心選擇29-30
• 3.2.3 基于聚類距離的初始聚類中心選擇30-32
• 3.3 社區(qū)結(jié)構(gòu)重疊節(jié)點(diǎn)發(fā)現(xiàn)算法32-34
• 3.4 本章小結(jié)34-36
• 第4章 基于重疊社區(qū)結(jié)構(gòu)的影響力最大化研究36-46
• 4.1 問題定義與算法流程36-38
• 4.1.1 問題定義36-38
• 4.1.2 算法流程38
• 4.2.基于閥值的影響力初始節(jié)點(diǎn)選擇算法38-42
• 4.3.基于重疊社區(qū)結(jié)構(gòu)的影響力最大化算法42-45
• 4.4 本章小結(jié)45-46
• 第5章 實(shí)驗(yàn)設(shè)計(jì)驗(yàn)證46-55
• 5.1 實(shí)驗(yàn)設(shè)置46-48
• 5.2 實(shí)驗(yàn)結(jié)果分析48-54
• 5.3 本章小結(jié)54-55
• 結(jié)論55-57
• 參考文獻(xiàn)57-61
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果61-62
• 致謝62-63
• 作者簡(jiǎn)介63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 汪小帆;劉亞冰;;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)算法綜述[J];電子科技大學(xué)學(xué)報(bào);2009年05期

2 李翔;李仕強(qiáng);趙青虎;;基于邊聚類方法的復(fù)雜網(wǎng)絡(luò)社團(tuán)挖掘研究[J];電腦知識(shí)與技術(shù);2012年10期

3 田家堂;王軼彤;馮小軍;;一種新型的社會(huì)網(wǎng)絡(luò)影響最大化算法[J];計(jì)算機(jī)學(xué)報(bào);2011年10期

4 李星;鐘志農(nóng);景寧;伍勇;;社區(qū)挖掘技術(shù)研究[J];計(jì)算機(jī)工程與科學(xué);2012年09期

5 陳浩;王軼彤;;基于閾值的社交網(wǎng)絡(luò)影響力最大化算法[J];計(jì)算機(jī)研究與發(fā)展;2012年10期

6 楊格蘭;涂立;;基于主題相關(guān)性和鏈接權(quán)重的PageRank算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S1期

，

本文編號(hào)：699062