發(fā)布時間：2017-07-14 12:24

  本文關鍵詞：基于社區(qū)結構的Top-K影響力節(jié)點發(fā)現(xiàn)算法研究

  更多相關文章： 社區(qū)發(fā)現(xiàn) 相似度 線性閾值模型 影響力最大化 動態(tài)規(guī)劃

【摘要】：社會網絡是由個體及其之間的各種關系所組成的復雜網絡,它在我們的人類生活中隨處可見,例如蛋白質相互作用網、演員合作網、病毒傳播網等等,各種信息往往是通過這種復雜的社會網絡以“口碑(Word of Mouth)”形式來進行傳播和擴散的。按照一定的傳播模型,如何找到K個具有影響力的節(jié)點,使得信息在社會網絡中傳播范圍達到最大的問題,被稱為影響力最大化問題,也叫做目標集合選擇問題,它在市場營銷、廣告推廣、病毒傳播以及輿論預警等方面有著非常重要的作用�；谟绊懥υ谏鐓^(qū)內部更易擴散的特性,首先對社區(qū)發(fā)現(xiàn)問題進行了深入地研究。通過分析發(fā)現(xiàn)現(xiàn)有的社區(qū)發(fā)現(xiàn)算法存在錯分節(jié)點和遺留外圍節(jié)點的問題,利用凝聚層次聚類思想,提出了一種基于相似度序列的社區(qū)發(fā)現(xiàn)算法ACSS(Agglomerative Clustering Algorithm Based on the Similarity Sequence)。在真實網絡和計算機生成網絡數據集上的實驗結果表明,相比于一些典型的社區(qū)發(fā)現(xiàn)算法,ACSS算法具有更高的聚類精度,更能體現(xiàn)真實的社區(qū)結構。以發(fā)現(xiàn)的社區(qū)結構為基礎,利用線性閾值傳播模型,提出了一個基于社區(qū)結構的Top-K影響力節(jié)點發(fā)現(xiàn)算法IMBC(Influence Maximization Algorithm Based on the Community Structure)。首先,利用k-shell分解方法度量節(jié)點的潛在影響力,選擇部分具有最大潛在影響力的節(jié)點;然后,通過減少一些不必要的計算,來改進傳統(tǒng)的貪心算法;最后,基于發(fā)現(xiàn)的社區(qū)結構,利用動態(tài)規(guī)劃思想來發(fā)現(xiàn)Top-K影響力節(jié)點。實驗結果表明,對于一些真實網絡數據集,與其他一些具有代表性的算法進行比較,對于給定的K值,IMBC能夠影響更多的節(jié)點,同時具有更高的準確性。為了驗證IMBC算法的合理性、有效性和正確性,將算法在新浪微博數據集上進行了應用研究。利用ACSS對網絡進行了社團的挖掘,然后以發(fā)現(xiàn)的社區(qū)結構為基礎,對新浪微博網絡進行了Top-K影響力節(jié)點的發(fā)現(xiàn),最后選取了一個最大的社區(qū)來進行信息傳播過程的模擬,從而得出信息傳播以“口碑效應”形式由內向外擴散的規(guī)律。
【關鍵詞】：社區(qū)發(fā)現(xiàn) 相似度 線性閾值模型 影響力最大化 動態(tài)規(guī)劃
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O157.5
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-18
• 1.1 研究背景與意義8-10
• 1.2 國內外研究現(xiàn)狀10-16
• 1.3 本文主要工作16-17
• 1.4 本章小結17-18
• 2 基于相似度序列的社區(qū)發(fā)現(xiàn)算法18-32
• 2.1 問題描述18-19
• 2.2 相關研究19-21
• 2.3 ACSS算法的設計與實現(xiàn)21-25
• 2.4 仿真實驗與結果分析25-31
• 2.5 本章小結31-32
• 3 基于社區(qū)結構的TOP-K影響力節(jié)點發(fā)現(xiàn)算法32-47
• 3.1 問題描述32
• 3.2 符號定義32-33
• 3.3 IMBC算法的設計與實現(xiàn)33-40
• 3.4 仿真實驗與結果分析40-45
• 3.5 本章小結45-47
• 4 IMBC算法在社交網絡上的應用47-54
• 4.1 微博的功能特性分析47-48
• 4.2 對微博的TOP-K影響力節(jié)點的發(fā)現(xiàn)48-52
• 4.3 信息傳播過程的模擬52-53
• 4.4 本章小結53-54
• 5 總結與展望54-56
• 5.1 本文主要研究成果54-55
• 5.2 下一步工作展望55-56
• 致謝56-58
• 參考文獻58-66
• 附錄I 攻讀碩士學位期間發(fā)表的論文目錄66-67
• 附錄II 攻讀碩士學位期間參與的科研工作67

【相似文獻】

中國期刊全文數據庫 前10條

1 智源;行飛;;復雜網絡社區(qū)結構問題綜述[J];陰山學刊(自然科學);2011年03期

2 王林;戴冠中;趙煥成;;一種新的評價社區(qū)結構的模塊度研究[J];計算機工程;2010年14期

3 韓瑞凱;孟嗣儀;劉云;郭英慧;張彥超;;基于興趣相似度的社區(qū)結構發(fā)現(xiàn)算法研究[J];鐵路計算機應用;2010年10期

4 劉旭;易東云;;基于保守合并策略的復雜網絡社區(qū)結構發(fā)現(xiàn)[J];復雜系統(tǒng)與復雜性科學;2011年04期

5 黃發(fā)良;肖南峰;;用于網絡重疊社區(qū)發(fā)現(xiàn)的粗糙譜聚類算法[J];小型微型計算機系統(tǒng);2012年02期

6 馬瑞新;鄧貴仕;王曉;;啟發(fā)式動態(tài)社區(qū)挖掘算法研究與實現(xiàn)[J];大連理工大學學報;2012年02期

7 梁沙沙;;復雜網絡重疊社區(qū)結構發(fā)現(xiàn)算法研究[J];陰山學刊(自然科學);2013年02期

8 劉大有;金弟;何東曉;黃晶;楊建寧;楊博;;復雜網絡社區(qū)挖掘綜述[J];計算機研究與發(fā)展;2013年10期

9 時京晶;;三種經典復雜網絡社區(qū)結構劃分算法研究[J];電腦與信息技術;2011年04期

10 黃發(fā)良;肖南峰;;基于線圖與PSO的網絡重疊社區(qū)發(fā)現(xiàn)[J];自動化學報;2011年09期

中國重要會議論文全文數據庫 前3條

1 刁元波;李夢龍;文志寧;印家健;鄭波;;人類細胞信號網絡社區(qū)結構分析[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

2 劉欣;李德毅;李兵;王樹良;陶志偉;;復雜網絡社區(qū)發(fā)現(xiàn)研究[A];2006全國復雜網絡學術會議論文集[C];2006年

3 單波;姜守旭;張碩;高宏;李建中;;IC:動態(tài)社會關系網絡社區(qū)結構的增量識別算法[A];第26屆中國數據庫學術會議論文集（A輯）[C];2009年

中國重要報紙全文數據庫 前1條

1 記者 熊明 實習生 李瑞瑩;度假區(qū)不斷創(chuàng)新社區(qū)結構[N];云南日報;2013年

中國博士學位論文全文數據庫 前8條

1 閔磊;復雜網絡社區(qū)發(fā)現(xiàn)算法研究[D];華中師范大學;2015年

2 蔡清;基于群體智能優(yōu)化的大數據復雜網絡結構分析[D];西安電子科技大學;2015年

3 陳毅;基于統(tǒng)計推理的復雜網絡社區(qū)結構分析[D];哈爾濱工業(yè)大學;2016年

4 杜楠;復雜網絡中社區(qū)結構發(fā)現(xiàn)算法研究及建模[D];北京郵電大學;2009年

5 李一嘯;基于復雜網絡和演化博弈理論的社會[D];浙江大學;2010年

6 韓院彬;Web服務網絡分析和社區(qū)發(fā)現(xiàn)研究[D];天津大學;2014年

7 謝輝;基于復雜網絡的若干動態(tài)機制研究[D];西安電子科技大學;2013年

8 任薇;基于微博的社會網絡特征研究[D];西南大學;2014年

中國碩士學位論文全文數據庫 前10條

1 王童童;社區(qū)框架與隱藏社區(qū)的挖掘[D];山東建筑大學;2015年

2 賀成龍;復雜網絡中的社區(qū)發(fā)現(xiàn)算法研究[D];解放軍信息工程大學;2015年

3 賈娜;基于矩陣分解的重疊社區(qū)探測研究[D];吉林大學;2016年

4 李青云;多階信息模型及推薦技術研究[D];北京理工大學;2015年

5 萬云;基于模塊度最大化的社區(qū)發(fā)現(xiàn)算法的研究[D];燕山大學;2016年

6 鄒杰;日照濱海民俗村社區(qū)結構與旅游發(fā)展互動研究[D];曲阜師范大學;2016年

7 王煥杰;社會網絡數據發(fā)布中有效保護社區(qū)結構的匿名方法研究[D];廣西師范大學;2016年

8 王洪玨;復雜網絡節(jié)點相似性研究及其應用[D];華北電力大學;2016年

9 紀開祝;復雜網絡重疊社區(qū)結構發(fā)現(xiàn)的算法研究與實現(xiàn)[D];閩南師范大學;2016年

10 趙倩;基于社區(qū)結構的Top-K影響力節(jié)點發(fā)現(xiàn)算法研究[D];華中科技大學;2015年

，

本文編號：541028