基于主题关注模型的社区发现及影响最大化算法研究

摘要

随着一些大型社交网站的兴起，基于社交网络的社区发现及影响最大化等成为该领域的研究热点之一。然而，目前的研究是以社交关系为基础建立的关系型社交网络为主流，而以主题分享等为目的型社交网络则引领着社交网络改革的潮流。本文对基于主题的社交网络进行研究，具体研究内容如下。
　　首先，本文基于社交关系和主题偏好，构建一种融合社交关系和主题关系的新型社交网络模型——主题关注模型。在该网络中，图中的边既能反映社会个体之间显式的社交关系，也能反映社会个体基于共同兴趣参与网络中主题活动的情况。
　　其次，针对现有基于主题的社区发现方法中，仅将主题作为文本或顶点的一个属性，忽略了主题在网络拓扑结构中的地位等问题，采用集对联系度定义了一个新的顶点相似性度量标准；并综合考虑主题影响和社交关系，提出基于主题关注模型的社区划分算法CMTC。
　　再次，针对现有的传统网络下的影响最大化方法中，缺少对于特定主题的传播研究，忽略了社会个体对于不同主题的信息通常具有不同的偏好，且易被与他有关联的个体所影响等问题，本文在集对联系度基础上，基于贪心策略挖掘有影响力顶点，提出基于主题关注模型的种子顶点挖掘算法TA_CELF。
　　最后，在豆瓣数据集上，通过社区的数量、大小，分布情况和主题关注度等方面分析有无主题对社区发现效果的影响，验证算法CMTC的实验效果，实验结果表明，考虑主题影响的划分具有更好的社区结构；通过ISST、ISRT和ISRNT三个指标评价实验结果，验证算法TA_CELF的实验效果，实验结果表明，基于主题关注模型下进行的算法TA_CELF影响范围有较好的表现。

目录

声明

第1章 绪 论

1.1 课题研究背景和意义

1.2 国内外研究现状

1.3 本文研究的内容

1.4 论文组织结构

第2章 相关知识和概念

2.1 传统社会网络概述

2.2 集对分析基本概念

2.3 社区发现相关概念

2.4 主要影响力模型

2.5 影响最大化相关算法

2.6 本章小结

第3章 基于主题关注模型的社区发现算法

3.1 引言

3.2主题关注模型

3.3 相关定义

3.4 社区发现算法

3.5 本章小结

第4章 基于主题关注模型的影响最大化算法

4.1引言

4.2 信息传播模型

4.3相关定义

4.4 影响最大化算法

4.5 本章小结

第5章 实验结果与分析

5.1引言

5.2算法的实验环境与数据集

5.3 CMTC算法的实验与分析

5.4 TA_CELF算法的实验与分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢