在线社会关系网络影响力分析

摘要

随着科技的发展和网络交互活动的日益频繁，社交网络平台也随之风靡，从而成为人类交流、消息传播的有效途径。在社交网络中，用户之间的交互行为会产生海量的数据信息，在为社交网络影响力研究提供便利条件的同时，也使影响力的研究变得更加复杂。在大数据盛行的时代，社交网络的复杂性更是引起了业界的广泛讨论。因此，本文就社交影响力扩散规律以及意见领袖的挖掘两个方向展开细致的研究。
　　首先，通过对基于SIR模型的传播过程的分析，提出了一种免疫点的影响力反向扩散算法，该算法描述了影响力扩散过程中的反向作用。新模型所描述的扩散规律，有效地解决了免疫点的作用在现实与模型中的差异问题。最后，将这一过程在Netlogo平台进行仿真实验，并对新算法与基于SIR模型的算法结果进行分析和对比。实验结果表明，在不同参数下，新的算法会呈现不同大小的滞后率，对整个影响力扩散起到阻碍作用。
　　其次，在网络拓扑结构的基础上，提出二级平均连通度的概念，用来衡量网络节点周围邻居的复杂程度，并且利用该度量作为挖掘意见领袖的标准，构造意见领袖挖掘算法。最后，通过MATLAB对算法进行实现，并且与NodeXL分析工具在度中心性、介数中心性和Pagerank三种度量下得出的结果进行对比，实验证明，基于二级平均连通度的评价标准能有效地挖掘网络中的意见领袖，从而，证实本文所提出的算法的有效性和优越性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究的背景和意义

1.2 研究的目的及内容

1.3 国内外研究现状

1.4 论文的组织结构

第2章 相关理论知识

2.1 在线社交网络

2.2 影响力

2.3 传统影响力模型

2.4 相关算法

2.5 本章小结

第3章 基于免疫点的影响力反向扩散算法

3.1 传染病模型

3.2 反向扩散算法的描述和实现

3.3 本章小结

第4章 社交网络意见领袖的挖掘

4.1 意见领袖

4.2 影响力的评价标准

4.3 结合网络拓扑结构挖掘意见领袖

4.4 算法实例演示

4.5 本章小结

第5章 实验设计与结果分析

5.1 影响力反向扩散算法的仿真

5.2 意见领袖挖掘算法的实现

5.3实验小结

第6章 总结与展望

6.1 总结

6.2 进一步的研究方向

致谢

参考文献