隨著通信技術(shù)的飛速發(fā)展,移動互聯(lián)網(wǎng)迅速崛起,由此產(chǎn)生的動態(tài)網(wǎng)絡(luò)生成了海量數(shù)據(jù),形成了大小主題各異的社區(qū),挖掘社區(qū)中蘊含的巨大價值成為近來研究熱點之一。目前,較為常見的社區(qū)研究分為社區(qū)發(fā)現(xiàn)、社區(qū)演化分析、社區(qū)結(jié)構(gòu)分析等,其中對社區(qū)發(fā)現(xiàn)的研究已取得一定成果并應(yīng)用于個性化推薦等領(lǐng)域,對社區(qū)演化的分析以社區(qū)發(fā)現(xiàn)為基礎(chǔ),進一步分析社區(qū)的變化并尋求潛在的演化規(guī)律,從而發(fā)現(xiàn)社區(qū)內(nèi)隱含的深層次信息,為預(yù)測社區(qū)演化行為提供基礎(chǔ),同時可以在輿情分析與控制、蛋白質(zhì)功能預(yù)測、精準營銷、傳染病傳播控制等方面發(fā)揮重要作用。本文針對社區(qū)演化分析的相關(guān)問題,主要從以下三方面展開研究。提出一種基于評價指標的差值吸收核心節(jié)點檢測算法。該算法以基于鄰居信息與集聚系數(shù)的節(jié)點重要性評價指標為基礎(chǔ),依據(jù)評價指標值計算各節(jié)點的相對權(quán)重值,將該值為正數(shù)的節(jié)點確定為核心節(jié)點,并加入核心節(jié)點集。該算法不需要人為設(shè)定閾值,與依靠節(jié)點度信息等判定核心節(jié)點的算法相比具有較大優(yōu)勢。提出一種基于異同性的社區(qū)演化分類模型。以提出的差值吸收核心節(jié)點檢測算法為基礎(chǔ),通過優(yōu)化差異性公式,分別對核心節(jié)點和非核心節(jié)點的差異性進行判定。將優(yōu)化后的差異性公式與現(xiàn)...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 動態(tài)社區(qū)演化分析
        1.2.2 評估標準研究現(xiàn)狀
        1.2.3 分類模型研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文結(jié)構(gòu)
2 相關(guān)理論知識
    2.1 復(fù)雜網(wǎng)絡(luò)
    2.2 動態(tài)網(wǎng)絡(luò)
    2.3 社區(qū)演化分析
        2.3.1 時間片劃分
        2.3.2 靜態(tài)社區(qū)發(fā)現(xiàn)
        2.3.3 演化分類模型
    2.4 實驗數(shù)據(jù)集
    2.5 本章小結(jié)
3 差值吸收核心節(jié)點檢測算法
    3.1 節(jié)點重要性評價指標
    3.2 差值吸收核心節(jié)點檢測算法
    3.3 本章小結(jié)
4 基于異同性的社區(qū)演化分類模型
    4.1 相似性公式
    4.2 差異性公式
    4.3 社區(qū)演化分類模型
    4.4 實驗及結(jié)果分析
        4.4.1 參數(shù)值設(shè)置
        4.4.2 HEP-TH數(shù)據(jù)集實驗與分析
        4.4.3 Salon24 數(shù)據(jù)集實驗與分析
        4.4.4 Facebook數(shù)據(jù)集實驗與分析
    4.5 本章小結(jié)
5 動態(tài)社區(qū)演化類型分析系統(tǒng)
    5.1 概要設(shè)計
        5.1.1 需求分析
        5.1.2 開發(fā)環(huán)境
        5.1.3 系統(tǒng)結(jié)構(gòu)設(shè)計
    5.2 系統(tǒng)詳細設(shè)計
    5.3 數(shù)據(jù)庫設(shè)計
    5.4 系統(tǒng)實現(xiàn)
        5.4.1 數(shù)據(jù)集分析
        5.4.2 參數(shù)分析與設(shè)置
        5.4.3 演化分類結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    總結(jié)
    展望
參考文獻
致謝
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文與成果



本文編號：3760660