本文關(guān)鍵詞：面向復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)模式挖掘及傳播動力學(xué)模型研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著復(fù)雜網(wǎng)絡(luò)在計算機科學(xué)、社會學(xué)、物理學(xué)、生物信息學(xué)、遺傳工程學(xué)等不同領(lǐng)域得到了廣泛的應(yīng)用,基于復(fù)雜網(wǎng)絡(luò)的應(yīng)用和數(shù)據(jù)的數(shù)量呈現(xiàn)爆炸式的增長。而復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)具有復(fù)雜性、不規(guī)則性、高容量性等特征,傳統(tǒng)的數(shù)據(jù)挖掘方法已經(jīng)無法適用于復(fù)雜網(wǎng)絡(luò),因此迫切需要與之相適應(yīng)的數(shù)據(jù)挖掘技術(shù)。目前,面向復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)的研究尚處于起步階段。雖然在復(fù)雜網(wǎng)絡(luò)中的結(jié)構(gòu)模式挖掘與傳播動力學(xué)模型領(lǐng)域已經(jīng)有部分研究成果,但這些研究大多較為獨立、分散,且重復(fù)性較多,抽象化程度不夠,尚未形成體系。本文針對復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘的理論和方法進(jìn)行了研究和總結(jié),分析復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘的過程,建立了面向復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)的基本挖掘流程和框架體系。在此基礎(chǔ)上,分別就復(fù)雜網(wǎng)絡(luò)概述技術(shù)、復(fù)雜網(wǎng)絡(luò)子圖檢索技術(shù)、復(fù)雜網(wǎng)絡(luò)傳播動力學(xué)模型技術(shù)等展開了深入研究與探討：(1)面向復(fù)雜網(wǎng)絡(luò)的基本數(shù)據(jù)挖掘框架體系研究基于復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)的特點,結(jié)合傳統(tǒng)數(shù)據(jù)挖掘的過程,提出了抽象、統(tǒng)一的面向復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)的基本挖掘流程和框架體系。分析并給出了復(fù)雜網(wǎng)絡(luò)的基本概念和定義,闡述了經(jīng)典的復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和特性,并從宏觀和微觀的角度介紹了復(fù)雜網(wǎng)絡(luò)的信息傳播行為。(2)基于虛連接和實連接的復(fù)雜網(wǎng)絡(luò)概述技術(shù)研究分析復(fù)雜網(wǎng)絡(luò)中包含多值屬性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的特點,結(jié)合屬性相似度和結(jié)構(gòu)相似度的概念,提出虛擬圖的模型以及復(fù)雜網(wǎng)絡(luò)描述框架。通過考慮虛連接(屬性)和實連接(結(jié)構(gòu)),將復(fù)雜網(wǎng)絡(luò)中的相似節(jié)點匯聚到k個非重疊的群中,提出了面向復(fù)雜網(wǎng)絡(luò)概述的SGVR算法。在模型實現(xiàn)中,提出基于HB圖的新型數(shù)據(jù)結(jié)構(gòu)和高效的子群調(diào)整方法,以優(yōu)化復(fù)雜網(wǎng)絡(luò)的分組結(jié)果�；谟脩暨x擇的屬性,并通過基于堆棧的存儲方法,提出了針對多重解析度的概述方法。實驗結(jié)果表明,SGVR算法不僅是有效的,而且其執(zhí)行效率與其它算法相比更為高效。(3)基于鄰接樹的復(fù)雜網(wǎng)絡(luò)子圖檢索技術(shù)研究針對復(fù)雜網(wǎng)絡(luò)中的圖匹配問題,給出了基于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)模式的圖匹配框架。提出基于鄰接樹的新型圖索引結(jié)構(gòu),通過使用節(jié)點鄰近信息的樹結(jié)構(gòu)來對查詢結(jié)果進(jìn)行剪枝操作,以過濾陰性節(jié)點。采用規(guī)范化的無序樹,以及使用字符串比較技術(shù)來加速子樹包含的過程,并通過圖搜索代價模型來決定節(jié)點搜索的順序。實驗評估在不同的結(jié)構(gòu)模式下,鄰接樹模式具有較強的節(jié)點剪枝和查詢重構(gòu)能力。通過在真實和人造數(shù)據(jù)集上進(jìn)行的實驗表明,基于鄰接樹的復(fù)雜網(wǎng)絡(luò)查找方法在圖匹配的性能等方面超過了其他同類的索引方法。(4)基于情感分析的復(fù)雜網(wǎng)絡(luò)傳播動力學(xué)模型研究針對復(fù)雜網(wǎng)絡(luò)中信息傳播的預(yù)測問題,提出了基于情感分析的“傳播者—無知者—免疫者”模型,即ESIS模型。采用情感分析方法,對復(fù)雜網(wǎng)絡(luò)中的信息流進(jìn)行細(xì)粒度的情感分類。通過計算復(fù)雜網(wǎng)絡(luò)中不同的邊權(quán)重值,賦予每種情感的不同轉(zhuǎn)發(fā)強度。采用平均場公式,分別計算每種情感信息傳播的臨界值,以及免疫者用戶的最終大小。通過實驗?zāi)M并預(yù)測信息傳播的過程,驗證ESIS模型的有效性。實驗結(jié)果表明,含有“高興”情感的信息傳播范圍是最廣的,而含有“憤怒”情感的信息所占比例最低。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 數(shù)據(jù)挖掘 結(jié)構(gòu)模式挖掘 子圖同構(gòu) 圖概述 信息傳播 動力學(xué)模型 傳染病模型 情感分析
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP311.13;O157.5
【目錄】：

• 摘要4-6
• Abstract6-14
• 第1章 緒論14-26
• 1.1 研究背景14-17
• 1.2 研究目標(biāo)17-19
• 1.3 復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘中存在的問題19-21
• 1.4 論文的主要貢獻(xiàn)21-22
• 1.5 論文組織結(jié)構(gòu)22-24
• 1.6 本章小結(jié)24-26
• 第2章 相關(guān)研究工作綜述26-40
• 2.1 引言26
• 2.2 為什么需要復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)挖掘26-27
• 2.3 復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)模式挖掘技術(shù)工作綜述27-32
• 2.3.1 復(fù)雜網(wǎng)絡(luò)子圖同構(gòu)計算技術(shù)28-30
• 2.3.2 復(fù)雜網(wǎng)絡(luò)的圖概述技術(shù)30-32
• 2.4 復(fù)雜網(wǎng)絡(luò)中傳播動力學(xué)模型的研究現(xiàn)狀32-34
• 2.4.1 情感分類技術(shù)32-33
• 2.4.2 信息傳播模型及技術(shù)33-34
• 2.5 復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘的相關(guān)研究項目34-37
• 2.6 現(xiàn)有問題和不足37-39
• 2.7 本章小結(jié)39-40
• 第3章 復(fù)雜網(wǎng)絡(luò)中的數(shù)據(jù)挖掘框架40-54
• 3.1 引言40
• 3.2 復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘框架研究的必要性及研究方法40-41
• 3.3 復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)模型41-48
• 3.3.1 基本概念和定義41-44
• 3.3.2 復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和特性44-46
• 3.3.3 復(fù)雜網(wǎng)絡(luò)的信息傳播動力學(xué)行為46-48
• 3.4 復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘的框架48-52
• 3.5 本章小結(jié)52-54
• 第4章 基于虛連接和實連接的復(fù)雜網(wǎng)絡(luò)概述方法54-82
• 4.1 引言54-56
• 4.2 虛擬圖模型的提出56-63
• 4.2.1 復(fù)雜網(wǎng)絡(luò)中帶屬性的圖模型56-59
• 4.2.2 虛擬圖中節(jié)點的分類59-63
• 4.3 基于虛連接和實連接的復(fù)雜網(wǎng)絡(luò)概述算法SGVR63-68
• 4.3.1 算法概述63-65
• 4.3.2 基于相似連接同構(gòu)的分類方法65-67
• 4.3.3 算法效率的評估67-68
• 4.4 面向群組的算法優(yōu)化68-74
• 4.4.1 針對分類優(yōu)化的節(jié)點調(diào)整68-73
• 4.4.2 優(yōu)化的有效性評估73-74
• 4.5 實驗結(jié)果與性能評估74-78
• 4.5.1 實驗數(shù)據(jù)集及評價指標(biāo)74-76
• 4.5.2 算法的有效性和性能評估76-78
• 4.6 本章小結(jié)78-82
• 第5章 基于鄰接樹的復(fù)雜網(wǎng)絡(luò)查找方法82-108
• 5.1 引言82-85
• 5.2 問題定義與描述85-86
• 5.3 基于模式匹配的算法框架及其性能評估86-92
• 5.3.1 基于模式匹配的算法框架86-90
• 5.3.2 不同鄰近模式的性能評估90-92
• 5.4 基于鄰接樹的索引構(gòu)建92-99
• 5.4.1 鄰接樹結(jié)構(gòu)92-97
• 5.4.2 索引構(gòu)建97-99
• 5.5 查詢過程重構(gòu)99-101
• 5.5.1 鄰接樹的連接操作99
• 5.5.2 查詢順序的優(yōu)化99-101
• 5.6 實驗結(jié)果及性能評估101-106
• 5.6.1 真實網(wǎng)絡(luò)數(shù)據(jù)集101-104
• 5.6.2 人造數(shù)據(jù)集104-106
• 5.7. 本章小結(jié)106-108
• 第6章 基于情感分析的復(fù)雜網(wǎng)絡(luò)傳播動力學(xué)模型108-138
• 6.1 引言108-110
• 6.2 相關(guān)研究基礎(chǔ)110-114
• 6.2.1 傳統(tǒng)的傳染病傳播動力學(xué)模型110-112
• 6.2.2 典型的免疫策略112-114
• 6.3 問題描述114-116
• 6.4 基于情感分析的SIS模型116-124
• 6.4.1 基本概念117-120
• 6.4.2 基于情感分析的SIS模型的提出120-121
• 6.4.3 臨界值λ_c與免疫者最終密度r_f的計算121-124
• 6.5 實驗分析及評估124-136
• 6.5.1 人工網(wǎng)絡(luò)數(shù)據(jù)集124-126
• 6.5.2 真實社交網(wǎng)絡(luò)數(shù)據(jù)集126-133
• 6.5.3 臨界值λ_c與免疫者最終密度r_f的實驗結(jié)果133-134
• 6.5.4 模型實驗效果的評估134-136
• 6.6 本章小結(jié)136-138
• 第7章 結(jié)論和展望138-144
• 7.1 論文工作總結(jié)138-140
• 7.1.1 論文主要研究工作138-140
• 7.1.2 論文創(chuàng)新點140
• 7.2 進(jìn)一步研究方向140-141
• 7.3 未來工作展望141-144
• 參考文獻(xiàn)144-162
• 攻讀博士學(xué)位期間主要的研究成果162-166
• 致謝166-167

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 周濤;張子柯;陳關(guān)榮;汪小帆;史定華;狄增如;樊瑛;方錦清;韓筱璞;劉建國;劉潤然;劉宗華;陸君安;呂金虎;呂琳媛;榮智海;汪秉宏;許小可;章忠志;;復(fù)雜網(wǎng)絡(luò)研究的機遇與挑戰(zhàn)[J];電子科技大學(xué)學(xué)報;2014年01期

2 韓毅;許進(jìn);方濱興;周斌;賈焰;;社交網(wǎng)絡(luò)的結(jié)構(gòu)支撐理論[J];計算機學(xué)報;2014年04期

  本文關(guān)鍵詞：面向復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)模式挖掘及傳播動力學(xué)模型研究，由筆耕文化傳播整理發(fā)布。

本文編號：320260