综合显式和隐式关系的社区发现方法

摘要

在线社会网络是指人们以计算机和网络为媒介进行社交、协作和信息共享所形成的人与人之间的社会网络。近几年,随着Facebook、微博、微信等大规模在线社会网络应用的成功,掀起了在线社会网络的又一轮研究热潮。
　　同社会网络一样,在线社会网络也具有社团结构。探索在线社会网络中的社团结构,可以帮助我们对目前的系统进行评估,并基于它来设计未来的在线社会网络系统,以及帮助系统运营商有效的组织自己的门户。另一方面,社区发现可以帮助产品或服务提供商快速准确的找到对其感兴趣的用户群体,以便于针对性的投放广告信息。
　　本文综合考虑用户的显式和隐式关系,提出一种基于局部模块度的社团发现算法。首先根据在线社会网络应用系统中的用户的行为数据,分析其兴趣爱好,构建用户表示,计算用户之间的相似度,根据一定阀值过滤后,得到用户的隐式关系。然后,根据用户的隐式关系扩展显式关系网络,从而得到一个综合用户显式和隐式关系的网络结构。最后以扩展后得到的网络作为输入,利用基于局部模块度优化的算法,划分在线社会网络的社区结构。本文最后在两个真实数据集上将本文提出的算法与基于兴趣相似度的社团发现算法进行了对比试验,试验结果表明本文提出的综合显式和隐式关系的算法具有更好的社团划分效果。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1研究背景与意义

1.2国内外研究概况

1.3本文研究内容

2复杂网络概述

2.1复杂网络的描述方法

2.2复杂网络的特征参数

2.3社团结构

2.4本章小结

3 在线社会网络

3.1在线社会网络的特点

3.2在线社会网络的显式关系和隐式关系

3.3用户兴趣建模技术

3.4本章小结

4综合显式和隐式关系的在线社团发现算法

4.1显式关系网络

4.2隐式关系挖掘

4.3显式关系网络扩展

4.4基于局部综合模块度的社团发现

4.5本章小结

5 实验结果与分析

5.1数据集描述

5.2实验内容

5.3实验结果及分析

5.4本章小结

6总结与展望

6.1全文总结

6.2工作展望

致谢

参考文献