本文關(guān)鍵詞：社交網(wǎng)絡(luò)上高影響力用戶識(shí)別研究與應(yīng)用

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 節(jié)點(diǎn)影響力分析 信息挖掘 網(wǎng)絡(luò)營(yíng)銷

【摘要】：隨著社會(huì)的發(fā)展,網(wǎng)絡(luò)的概念也發(fā)生了非常大的變化,很多實(shí)際生活中的復(fù)雜系統(tǒng)都可以抽象成網(wǎng)絡(luò)的形式。最近幾年,復(fù)雜網(wǎng)絡(luò)作為復(fù)雜科學(xué)的一個(gè)分支,受到國(guó)內(nèi)外越來(lái)越多的學(xué)者的關(guān)注,而重要節(jié)點(diǎn)挖掘則是復(fù)雜網(wǎng)絡(luò)信息挖掘研究中最重要、最核心的問題之一。所謂的重要節(jié)點(diǎn)是指網(wǎng)絡(luò)中數(shù)量較少但是卻對(duì)網(wǎng)絡(luò)的結(jié)構(gòu)和功能產(chǎn)生重要影響的節(jié)點(diǎn)。節(jié)點(diǎn)的重要性排序與網(wǎng)絡(luò)中信息的傳播與控制有著非常密切的關(guān)系。相關(guān)的研究將為市場(chǎng)營(yíng)銷、廣告投放、謠言控制、輿情引導(dǎo)等提供強(qiáng)有力的理論支持。本文提出了一種含權(quán)網(wǎng)絡(luò)的k-殼分解方法,并基于該算法構(gòu)建了一個(gè)網(wǎng)絡(luò)營(yíng)銷系統(tǒng)——達(dá)推網(wǎng)。以往對(duì)于含權(quán)網(wǎng)絡(luò)的k-殼分解通常是將小數(shù)權(quán)重化整處理,本文通過對(duì)無(wú)權(quán)網(wǎng)絡(luò)上H函數(shù)方法進(jìn)行擴(kuò)展,定義了含權(quán)網(wǎng)絡(luò)上的H函數(shù),并提出了一種含權(quán)的H指數(shù)序列來(lái)對(duì)含權(quán)網(wǎng)絡(luò)中的節(jié)點(diǎn)重要性進(jìn)行排序。通過實(shí)驗(yàn)驗(yàn)證,在含權(quán)網(wǎng)絡(luò)中,含權(quán)的H函數(shù)方法可以更加準(zhǔn)確細(xì)致地刻畫網(wǎng)絡(luò)中節(jié)點(diǎn)的影響力。此外,本文證明了含權(quán)網(wǎng)絡(luò)中,節(jié)點(diǎn)的含權(quán)H指數(shù)序列唯一收斂于節(jié)點(diǎn)的含權(quán)核數(shù)。最后,本文進(jìn)一步研究在連續(xù)權(quán)重的情況下,使用含權(quán)的H函數(shù)方法對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)重要性進(jìn)行排序時(shí),網(wǎng)絡(luò)中連邊權(quán)重對(duì)排序結(jié)果所產(chǎn)生的影響。隨著網(wǎng)絡(luò)的普及,網(wǎng)絡(luò)營(yíng)銷也漸漸成為營(yíng)銷手段中一種重要的手段。微博等SNS的出現(xiàn)也讓人們多了一種表達(dá)自我的方式,網(wǎng)絡(luò)達(dá)人的價(jià)值也日益突顯。這為企業(yè)的網(wǎng)絡(luò)營(yíng)銷提供了一條新的途徑。但是達(dá)人與商家之間存在的溝通障礙,造成利用社交網(wǎng)絡(luò)營(yíng)銷的效率低下。基于此,本文設(shè)計(jì)了一個(gè)連接商家和網(wǎng)絡(luò)達(dá)人的第三方平臺(tái),幫助商家找到適合其產(chǎn)品營(yíng)銷的達(dá)人并與之匹配。本文通過文本挖掘的方法,識(shí)別出達(dá)人的興趣領(lǐng)域,同時(shí)使用含權(quán)的H函數(shù)方法挖掘社交網(wǎng)絡(luò)中的高影響力用戶,然后與商家的營(yíng)銷需求進(jìn)行匹配。一方面,商家能夠高效地、精確地鎖定推廣人群,高效率開展?fàn)I銷推廣活動(dòng)。另一方面,達(dá)人充分發(fā)揮自己在領(lǐng)域的專長(zhǎng)獲得營(yíng)銷傭金。本文對(duì)網(wǎng)站的結(jié)構(gòu)和內(nèi)容進(jìn)行設(shè)計(jì),并使用基于Python的Django框架完成全部開發(fā)過程,目前已經(jīng)可以使用。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 節(jié)點(diǎn)影響力分析 信息挖掘 網(wǎng)絡(luò)營(yíng)銷
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O157.5
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景11
• 1.2 復(fù)雜網(wǎng)絡(luò)研究現(xiàn)狀11-13
• 1.2.1 復(fù)雜網(wǎng)絡(luò)及其發(fā)展歷史11-12
• 1.2.2 復(fù)雜網(wǎng)絡(luò)的研究意義和研究?jī)?nèi)容12-13
• 1.3 重要節(jié)點(diǎn)挖掘的研究意義及研究現(xiàn)狀13-14
• 1.3.1 重要節(jié)點(diǎn)挖掘的研究意義13
• 1.3.2 重要節(jié)點(diǎn)挖掘的研究現(xiàn)狀13-14
• 1.4 重要節(jié)點(diǎn)挖掘的應(yīng)用現(xiàn)狀及前景14-15
• 1.5 本文的研究?jī)?nèi)容及章節(jié)安排15-17
• 第二章 相關(guān)理論基礎(chǔ)17-36
• 2.1 圖和網(wǎng)絡(luò)17-24
• 2.1.1 圖的基本概念17-18
• 2.1.2 圖的計(jì)算機(jī)表示18-19
• 2.1.3 圖的特征參數(shù)19-24
• 2.2 復(fù)雜網(wǎng)絡(luò)的演化模型24-29
• 2.2.1 規(guī)則網(wǎng)絡(luò)24-25
• 2.2.2 隨機(jī)網(wǎng)絡(luò)25-27
• 2.2.3 小世界網(wǎng)絡(luò)27-28
• 2.2.4 無(wú)標(biāo)度網(wǎng)絡(luò)28-29
• 2.3 復(fù)雜網(wǎng)絡(luò)中的傳播模型29-32
• 2.3.1 SI模型29-30
• 2.3.2 SIS模型30-31
• 2.3.3 SIR模型31-32
• 2.4 經(jīng)典的節(jié)點(diǎn)重要性排序算法32-33
• 2.4.1 度中心性32
• 2.4.2 接近中心性32-33
• 2.4.3 介數(shù)中心性33
• 2.5 重要節(jié)點(diǎn)挖掘算法的評(píng)價(jià)方法33-34
• 2.6 本章小結(jié)34-36
• 第三章 含權(quán)網(wǎng)絡(luò)的H函數(shù)方法36-56
• 3.1 問題的提出和相關(guān)研究36-42
• 3.1.1 網(wǎng)絡(luò)的k-殼分解法36-39
• 3.1.2 無(wú)權(quán)網(wǎng)絡(luò)的H函數(shù)方法39-42
• 3.2 整數(shù)權(quán)重的H-函數(shù)方法42-44
• 3.3 連續(xù)權(quán)重的H-函數(shù)方法44-46
• 3.4 含權(quán)的k-殼分解法46-47
• 3.5 含權(quán)H-指數(shù)序列收斂性證明47-48
• 3.6 有向含權(quán)網(wǎng)絡(luò)中的n階H指數(shù)序列和k-殼分解法48-51
• 3.6.1 有向含權(quán)網(wǎng)絡(luò)中的n階H指數(shù)序列49
• 3.6.2 有向含權(quán)網(wǎng)絡(luò)中的k-殼分解法49-50
• 3.6.3 一個(gè)有向含權(quán)網(wǎng)絡(luò)的示例50-51
• 3.7 對(duì)比實(shí)驗(yàn)51-54
• 3.7.1 含權(quán)與無(wú)權(quán)的H函數(shù)方法對(duì)比52-53
• 3.7.2 權(quán)重對(duì)排序結(jié)果的影響分析53-54
• 3.8 本章小結(jié)54-56
• 第四章 重要節(jié)點(diǎn)挖掘應(yīng)用——達(dá)推網(wǎng)56-74
• 4.1 應(yīng)用定位及創(chuàng)新56-59
• 4.1.1 應(yīng)用定位56-57
• 4.1.2 應(yīng)用創(chuàng)新57-59
• 4.2 系統(tǒng)分析59-63
• 4.2.1 可行性分析59-61
• 4.2.2 需求分析61-62
• 4.2.3 組織結(jié)構(gòu)圖62-63
• 4.3 系統(tǒng)設(shè)計(jì)63-68
• 4.3.1 總體設(shè)計(jì)63-64
• 4.3.2 功能設(shè)計(jì)64-68
• 4.4 系統(tǒng)實(shí)現(xiàn)68-72
• 4.4.1 前端頁(yè)面布局68-69
• 4.4.2 微博OAuth2.0 授權(quán)69-70
• 4.4.3 用戶行業(yè)標(biāo)簽分析70-71
• 4.4.4 達(dá)人挖掘71-72
• 4.5 系統(tǒng)測(cè)試72-73
• 4.5.1 測(cè)試用例設(shè)計(jì)72
• 4.5.2 主要功能模塊測(cè)試72-73
• 4.6 本章小結(jié)73-74
• 第五章 總結(jié)與展望74-76
• 5.1 全文總結(jié)74-75
• 5.2 后期工作展望75-76
• 致謝76-77
• 參考文獻(xiàn)77-81
• 附錄81-88
• 在學(xué)期間取得的與學(xué)位論文相關(guān)的研究成果88-89

，

本文編號(hào)：742605