基于主题与结构的社区发现方法研究

发布时间：2024-02-14 19:17

　　随着科技的发展,人们意识到现实世界网络并不是规则网络,也不同于随机网络,而是具有小世界、无标度、自相似、自组织等特性的复杂网络。复杂网络中的一个共有属性是社区结构,即同一社区内部节点连接紧密而社区之间节点连接稀疏。社区发现有助于探测网络内部拓扑结构,发现网络社区结构及隐藏规律,这对进一步理解网络功能,预测网络行为具有重要的理论意义和现实价值。社区结构发现研究已广泛应用于个性化推荐、广告投放、信息检索等领域,是复杂网络领域研究者关注的热点之一。本文针对复杂网络中社区发现问题,主要从以下三个方面展开研究。(1)提出一种基于结构相似度的社区发现算法SSMCA。该算法借鉴结构相似度思想,用于解决现有的社区划分算法精确度不高的问题,将结构相似度作为边权值,对网络中的边按照权重升序排序,删除权值较低的边进而形成多个孤立的社区,随后按照社区间结构相似度及模块度差值合并主要社区,并提出一种社区结构质量评估方法作为算法的迭代条件,以获得高精度的社区结构。在人工基准网络及真实数据上与经典社区发现算法进行对比实验,结果表明,该算法在社区划分精度方面的性能优于其他经典算法。(2)提出一种面向主题的社区发现方法...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
中文摘要
abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 启发式算法
        1.2.2 基于优化的算法
        1.2.3 基于相似度的算法
        1.2.4 其他算法
    1.3 研究内容
    1.4 论文结构
2 复杂网络及相关理论知识
    2.1 复杂网络概述
        2.1.1 复杂网络表示形式
        2.1.2 复杂网络统计特征
        2.1.3 复杂网络结构特性
    2.2 社区发现概述
    2.3 实验数据集
        2.3.1 人工基准生成网络
        2.3.2 真实世界网络
    2.4 评价指标
        2.4.1 模块度Q
        2.4.2 精度Acu
        2.4.3 标准互化信息NMI
    2.5 本章小结
3 基于结构相似度的社区发现方法研究
    3.1 相关概念及定义
    3.2 SSMCA算法
    3.3 实验及结果分析
        3.3.1 人工基准生成网络
        3.3.2 真实世界网络
    3.4 本章小结
4 面向主题的社区发现方法研究
    4.1 高影响力用户评价算法HIUEA
        4.1.1 用户自身影响力评价
        4.1.2 粉丝行为评价
    4.2 社会网络数据建模
    4.3 文本对象聚类
    4.4 面向主题的社区发现方法流程
    4.5 实验及结果分析
        4.5.1 数据获取
        4.5.2 HIUEA算法实验与分析
        4.5.3 面向主题的社区发现方法的实验与分析
    4.6 本章小结
5 微博主题推荐系统设计与实现
    5.1 概要设计
        5.1.1 开发环境
        5.1.2 系统框架
    5.2 系统详细设计
        5.2.1 系统功能设计
        5.2.2 数据库设计
    5.3 系统实现
        5.3.1 高影响力用户查询模块
        5.3.2 粉丝用户查询模块
        5.3.3 热点分析模块
        5.3.4 下载历史模块
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
7 参考文献
8 致谢
9 攻读硕士学位期间所发表的学术论文与成果



本文编号：3898473