屬性網(wǎng)絡近年來非常普遍,例如社交網(wǎng)絡和知識圖譜,它們與大量的文檔信息（例如,推文和維基頁面）和位置信息（例如check-in數(shù)據(jù)）相關聯(lián)。然而,這種大型網(wǎng)絡所蘊含的豐富屬性信息給社區(qū)搜索問題帶來了巨大的挑戰(zhàn),其中主要原因在于其需要同時考慮大量數(shù)據(jù)下的可延展性和在文本、空間信息上的雙重約束。目前的研究旨在搜索結構緊密的子圖作為社交關系密切的社區(qū),但這樣通常會缺乏對表示主題興趣的關鍵詞或表示位置臨近的空間距離的考慮,導致社區(qū)搜索問題不能具有更廣泛的應用價值。本文提出空間最優(yōu)的主題感知社區(qū)（TASOC）搜索問題,該問題旨在搜索包含以下特性的社區(qū):i)結構緊密性:社區(qū)中的成員結構上緊密相連,ii)主題涵蓋:社區(qū)中頂點屬性包含一系列給出的主題關鍵詞,并且,iii)空間最優(yōu)性:社區(qū)的直徑最小化。然而,空間最優(yōu)的主題感知社區(qū)搜索問題是一個NP-hard問題。為了解決在大型屬性圖上的TASOC搜索問題,本文提出4個近似算法,分別是GKC、GRID、BIGRID和GRID+,它們均利用一種基于正方形設計的技術。這些提出的算法均更高效于基于現(xiàn)有方法修改成的基本算法。本文還提出一個以提出的最好近似算法為基礎... 

【文章來源】：暨南大學廣東省 211工程院校

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

TASOC示例


本文編號：2966177