本文選題：社交網(wǎng)絡　切入點：社區(qū)結構　出處：《西安電子科技大學》2015年碩士論文　論文類型：學位論文

【摘要】：社交網(wǎng)絡影響力分析已經(jīng)成為社交網(wǎng)絡分析的重要方面,而其中的社交網(wǎng)絡影響最大化問題也受到越來越多的關注,特別是Web 2.0時代下在線社交網(wǎng)絡平臺的興起為影響最大化問題的研究提供了更加豐富的平臺和研究數(shù)據(jù)。社交網(wǎng)絡影響最大化問題是研究如何在社交網(wǎng)絡中選擇有限個數(shù)的影響力節(jié)點而使影響力傳播達到最大。這個問題的研究對病毒式營銷,推薦系統(tǒng)和突發(fā)事件檢測等領域有重要意義。近年來,越來越多的影響最大化方法被提了出來,這些算法大致可以分為三類:針對貪婪算法的改進算法,基于社交網(wǎng)絡社區(qū)結構特性的算法,基于社交網(wǎng)絡節(jié)點特性的啟發(fā)式方法。其中,針對貪婪算法的改進算法可以提升貪婪算法的效率,但仍不適合用于大規(guī)模社交網(wǎng)絡中;基于社交網(wǎng)絡社區(qū)結構特性的算法可以獲得較好的效果和效率;基于社交網(wǎng)絡節(jié)點特性的啟發(fā)式方法的效率最高,但其得到的影響力節(jié)點的效果卻不好。Memetic算法是近年來進化計算領域的一個研究熱點,它是一種基于群體的全局搜索和基于個體的局部搜索的結合體,可以彌補這兩者單方面的不足,獲得較快的搜索效率和令人滿意的結果。本文利用社區(qū)結構和Memetic算法的優(yōu)點,將其應用于社交網(wǎng)絡影響最大化問題中。本文所做的主要工作如下:(1)研究了社交網(wǎng)絡中節(jié)點之間的結構相似性對社交網(wǎng)絡影響最大化問題的影響,提出了基于節(jié)點相似性的度中心性方法。在該方法中,我們用節(jié)點之間的結構相似性來排除與度大的節(jié)點相似的節(jié)點,以此來減少影響力節(jié)點之間影響力傳播的重疊,從而獲得較大的影響力傳播。(2)研究了Memetic算法在社交網(wǎng)絡影響最大化問題上的應用。我們提出了基于Memetic算法的影響最大化問題,將局部搜索策略加入Memetic算法中,改善了傳統(tǒng)遺傳算法收斂速度慢,容易陷入局部最優(yōu)的缺點。同時,該算法與社交網(wǎng)絡的社區(qū)結構特性結合,縮小了影響力節(jié)點的搜索空間,改善了網(wǎng)絡規(guī)模大算法搜索空間大的缺點,加快了算法的收斂。(3)我們針對前面兩方面的工作分別在三個不同規(guī)模的真實網(wǎng)絡上進行實驗。針對第一個工作,我們研究了節(jié)點相似性對不同網(wǎng)絡的影響和基于節(jié)點相似性方法對影響最大化問題的有效性。針對第二個工作,我們首先對社區(qū)結構和局部搜索策略的有效性進行實驗,然后對提出的算法的效果和效率進行實驗。
[Abstract]:Social network impact analysis has become an important aspect of social network analysis, and the problem of maximizing the impact of social network has attracted more and more attention. In particular, the rise of online social networking platforms in the era of Web 2.0 provides a richer platform and research data for the study of impact maximization. The problem of maximizing the impact of social networks is to study how to choose among them. A limited number of influence nodes to maximize the spread of influence. In recent years, more and more impact maximization methods have been proposed. These algorithms can be divided into three categories: improved algorithms for greedy algorithms, The algorithm based on the community structure characteristic of social network and the heuristic method based on the characteristic of social network node, among them, the improved algorithm for greedy algorithm can improve the efficiency of greedy algorithm, but it is still not suitable for large-scale social network. The algorithm based on the characteristics of social network community structure can obtain better effect and efficiency, and the heuristic method based on the characteristics of social network nodes is the most efficient. However, the effect of its influence nodes is not good. Memetic algorithm is a hot topic in the field of evolutionary computing in recent years. It is a combination of global search based on population and local search based on individual. It can make up for the shortcomings of these two methods and obtain fast search efficiency and satisfactory results. This paper makes use of the advantages of community structure and Memetic algorithm. The main work of this paper is as follows: 1) the influence of structural similarity between nodes in social network on the problem of maximizing the influence of social network is studied. In this method, the structural similarity between nodes is used to eliminate nodes similar to large nodes, so as to reduce the overlap of influence propagation between influential nodes. In this paper, we study the application of Memetic algorithm in the problem of maximizing the influence of social networks. We propose the problem of maximizing the influence based on Memetic algorithm and add the local search strategy to the Memetic algorithm. The traditional genetic algorithm has the disadvantage of slow convergence and easy to fall into local optimum. At the same time, the algorithm combines with the community structure characteristics of social network, and reduces the search space of the influential nodes. It improves the shortcoming of large network size algorithm search space, and accelerates the convergence of the algorithm.) We do experiments on three real networks of different scales in view of the first two aspects of the work. For the first work, we do experiments on three real networks of different scales. We study the effect of node similarity on different networks and the effectiveness of node similarity based approach for maximizing impact. In the second work, we first test the effectiveness of community structure and local search strategy. Then the effect and efficiency of the proposed algorithm are tested.
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09

【相似文獻】

相關期刊論文 前10條

1 ;基于位置的手機社交網(wǎng)絡“貝多”正式發(fā)布[J];中國新通信;2008年06期

2 曹增輝;;社交網(wǎng)絡更偏向于用戶工具[J];信息網(wǎng)絡;2009年11期

3 ;美國:印刷企業(yè)青睞社交網(wǎng)絡營銷新方式[J];中國包裝工業(yè);2010年Z1期

4 李智惠;柳承燁;;韓國移動社交網(wǎng)絡服務的類型分析與促進方案[J];現(xiàn)代傳播(中國傳媒大學學報);2010年08期

5 賈富;;改變一切的社交網(wǎng)絡[J];互聯(lián)網(wǎng)天地;2011年04期

6 譚拯;;社交網(wǎng)絡:連接與發(fā)現(xiàn)[J];廣東通信技術;2011年07期

7 陳一舟;;社交網(wǎng)絡的發(fā)展趨勢[J];傳媒;2011年12期

8 殷樂;;全球社交網(wǎng)絡新態(tài)勢及文化影響[J];新聞與寫作;2012年01期

9 許麗;;社交網(wǎng)絡:孤獨年代的集體狂歡[J];上海信息化;2012年09期

10 李玲麗;吳新年;;科研社交網(wǎng)絡的發(fā)展現(xiàn)狀及趨勢分析[J];圖書館學研究;2013年01期

相關會議論文 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡用戶的人格預測與關系強度研究[A];第七屆（2012）中國管理學年會商務智能分會場論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對社交網(wǎng)絡中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學科研究生學術論壇獲獎論文[C];2010年

3 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡與大學生焦慮緩解[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術會議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡解析[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

5 杜p，

本文編號：1573121