【摘要】：社區(qū)發(fā)現(xiàn)是社交網(wǎng)絡(luò)相關(guān)研究的重要組成部分,社區(qū)反映了社交網(wǎng)絡(luò)中用戶間的關(guān)聯(lián)關(guān)系,具有巨大的數(shù)據(jù)挖掘價值。同時,隨著用戶需求的日益多樣化,不同類型的社交網(wǎng)絡(luò)得到蓬勃發(fā)展�？缟缃痪W(wǎng)絡(luò)間存在著廣泛的數(shù)據(jù)流動和信息互補等現(xiàn)象,該場景下的相關(guān)研究具有較高的學術(shù)價值�？缟缃痪W(wǎng)絡(luò)下的應(yīng)用研究同樣需要社區(qū)發(fā)現(xiàn)工作的支持,例如跨社交網(wǎng)絡(luò)下的輿情分析、信息檢索、內(nèi)容推薦等。但是,不同社交網(wǎng)絡(luò)間顯式關(guān)聯(lián)關(guān)系較少,網(wǎng)絡(luò)主體功能差別明顯。因此,如何實現(xiàn)跨社交網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)成為當下研究工作的新挑戰(zhàn)。本文將不同社交網(wǎng)絡(luò)中同時具有活躍賬戶的互聯(lián)網(wǎng)用戶定義為跨社交網(wǎng)絡(luò)重疊用戶。重疊用戶在不同社交網(wǎng)絡(luò)中廣泛存在,且多數(shù)重疊用戶會在不同網(wǎng)絡(luò)中發(fā)布相似信息,搭建了不同社交網(wǎng)絡(luò)間信息流動的“橋梁”。因此,針對上面的問題,本文以跨社交網(wǎng)絡(luò)重疊用戶為基礎(chǔ),提出基于重疊用戶的跨社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方案。本文首先從不同社交網(wǎng)絡(luò)中挖掘跨社交網(wǎng)絡(luò)重疊用戶集合,并進行篩選。然后對重疊用戶集合建模,構(gòu)建跨社交網(wǎng)絡(luò)重疊用戶混合網(wǎng)絡(luò)。之后使用本文提出的CMN_NMF多維網(wǎng)絡(luò)子團劃分算法對重疊用戶混合網(wǎng)絡(luò)進行社區(qū)劃分,獲得關(guān)聯(lián)關(guān)系緊密的重疊用戶子團。以重疊用戶子團為核心在不同社交網(wǎng)絡(luò)中進行基于重疊用戶子團的社區(qū)發(fā)現(xiàn)工作,獲得每個社交網(wǎng)絡(luò)的社區(qū)劃分。最后將不同社交網(wǎng)絡(luò)中擁有相同重疊用戶子團的社區(qū)進行融合,獲得跨社交網(wǎng)絡(luò)社區(qū)。本文以知乎和微博社交網(wǎng)絡(luò)中的用戶群體作為真實數(shù)據(jù)集來驗證本研究提出方法的有效性。在實驗中提出重疊用戶子團文本內(nèi)容相似度,跨社交網(wǎng)絡(luò)社區(qū)內(nèi)文本內(nèi)容相似度和隱式重疊用戶發(fā)現(xiàn)比例三個評價指標來進行不同算法的對比。對比實驗結(jié)果表明,本研究給出的跨社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方案能夠更好的挖掘不同社交網(wǎng)絡(luò)中的相似用戶,滿足現(xiàn)實研究需要。最后,本文設(shè)計并實現(xiàn)了跨社交網(wǎng)絡(luò)社區(qū)展示的原型系統(tǒng),以web頁面的形式對社區(qū)用戶關(guān)聯(lián)關(guān)系和用戶詳細信息進行了可視化展示。
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.09
【圖文】：

圖 2.1 拉格朗日乘子法等高線示例圖)，首先給出其在二維平面上的等高線，如) ，如上圖綠色曲線所示。目標函數(shù) ( 、相離這三種情況。約束條件曲線和等高約束條件曲線和等高線相交或者相切時，數(shù)的最優(yōu)解，因為相交意味著肯定還有其等高線和約束條件曲線的交點使得目標函件曲線相切時，才能得到滿足要求的最優(yōu)必要條件是目標函數(shù)和約束條件函數(shù)相切示： ( ) ( ) ，與優(yōu)化問題中給出的約束 ( )

里的條件便是 KKT 條件。公式化表示如下：) ≤ （原始不等式約束）) （原始等式約束） （非負性） ) （互補松弛性） ) 格朗日函數(shù)后，通過使用 KKT 條件可以解決不等式約束優(yōu)化問陣分解算法相關(guān)理論知識分解算法最早由 Lee 和 Seung 兩人[27]在 1999 年的 Nature 雜志上想是對給定的非負矩陣 要求將其分解為非負矩陣 和非負矩陣乘積盡可能等于原矩陣 。如圖 2.2 所示：

東南大學碩士學位論文制條件被引入后，大大增加了矩陣分解算法的現(xiàn)實應(yīng)用場景，使得分具有了可解釋性。分解后的基矩陣 可以理解為降維后的特征矩陣，陣 的低維表示，反映了“局部構(gòu)成整體”的概念。該算法已經(jīng)在圖像薦系統(tǒng)、語音處理、生物醫(yī)藥工程等多個重要研究領(lǐng)域取得廣泛應(yīng)矩陣分解應(yīng)用最為成功的圖像分析和處理領(lǐng)域為例，解釋該算法在實。一個 2000 張人臉圖片的集合，每張圖片由 × 的像素點陣表示可以用一個 × 的非負矩陣進行表示。設(shè)定抽取的面部特征個陣分解算法處理該矩陣，可以得到 × 的面部特征基矩陣 和權(quán)圖 2.3 所示：

【相似文獻】

相關(guān)期刊論文 前10條

1 陳健;周麗華;;大學生社交網(wǎng)絡(luò)自我表露的實證研究[J];高校輔導員學刊;2018年06期

2 譚洪旭;袁帥;代連奇;任利峰;;淺談社交網(wǎng)絡(luò)對當代大學生的影響[J];產(chǎn)業(yè)與科技論壇;2018年24期

3 孫夏卿;;社交網(wǎng)絡(luò)媒體對大學生賦權(quán)的價值體現(xiàn)[J];傳播力研究;2018年31期

4 張曉飛;;以社交網(wǎng)絡(luò)為基礎(chǔ)的企業(yè)營銷策略[J];商場現(xiàn)代化;2018年22期

5 孫國強;竇倩倩;張寶建;;西方社交網(wǎng)絡(luò)研究進展與未來展望[J];情報科學;2019年02期

6 陳文泰;李衛(wèi)東;;國際社交網(wǎng)絡(luò)中“國家實在”傳播與國家形象演化機制研究[J];新聞大學;2018年06期

7 孫金銘;吳s我

本文編號：2805499