本文選題：復(fù)雜網(wǎng)絡(luò) + 社團(tuán)挖掘��； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：近些年來人類在科技領(lǐng)域的發(fā)展取得了驕人的成績,尤其是在互聯(lián)網(wǎng)領(lǐng)域的發(fā)展,更是令大家有目共睹。網(wǎng)絡(luò)科技突飛猛進(jìn)發(fā)展,特別是在移動(dòng)互聯(lián)網(wǎng)方面的發(fā)展更使得人們的工作和生活方式有了質(zhì)的變化。自從移動(dòng)互聯(lián)網(wǎng)問世以后,我們每一個(gè)人的生活、工作方式等等在各個(gè)方面和領(lǐng)域都已經(jīng)離不開互聯(lián)網(wǎng)。這就充分說明了互聯(lián)網(wǎng)已經(jīng)和我們的生活緊密的融合在一起,形成了一個(gè)不可分割的整體。眾所周知,在Web2.0的網(wǎng)絡(luò)時(shí)期最突出的發(fā)展就是社交網(wǎng)絡(luò)的橫空問世以及給人們生活與工作方式帶來的巨大改變。在這之后無論任何人,不分年齡,行業(yè),國籍等每一個(gè)人都可以在互聯(lián)網(wǎng)上公平,快速的獲取與發(fā)布消息。這突如起來的生活方式,讓人們有種諸葛亮在世的感覺,每一位網(wǎng)民都擁有了“不出茅廬而知天下事”能力和思維的方式。特別是后來社交網(wǎng)絡(luò)中產(chǎn)生的社交軟件,比如新浪微博、騰訊的QQ和微信以及國外的社交軟件Twitter等各類各樣的社交軟件,使得全世界每一個(gè)角落的網(wǎng)民都被緊密的連接在了一起。我們可以把網(wǎng)絡(luò)看成一張能夠把全球都覆蓋的網(wǎng),在這張巨大的網(wǎng)絡(luò)中,我們每一個(gè)網(wǎng)絡(luò)的使用者都可以被視為網(wǎng)路的一個(gè)節(jié)點(diǎn)。我們相互之間通過網(wǎng)絡(luò)工具進(jìn)行通信等操作�，F(xiàn)在已經(jīng)發(fā)展到了大數(shù)據(jù)時(shí),在大數(shù)據(jù)時(shí)代互聯(lián)網(wǎng)中的數(shù)量更加的復(fù)雜和龐大,大數(shù)據(jù)時(shí)代的數(shù)據(jù)量是比以往任何時(shí)期都要多,可以說是比以往所有數(shù)據(jù)的總和還要多。在大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)數(shù)據(jù)之所以這么龐大,主要就是得益于網(wǎng)絡(luò)科學(xué)技術(shù)飛速的發(fā)展。這些海量的豐富數(shù)據(jù)信息,不只能夠反映出大家的生活圈子,對過去的事情進(jìn)行總結(jié),更加可以通過這些海量的數(shù)據(jù)對將來即將可能發(fā)生的事情進(jìn)行相應(yīng)的推測和預(yù)言。這就使得對互聯(lián)網(wǎng)的研究更加有著實(shí)際意義與使用價(jià)值了。本文通過對已有的社團(tuán)網(wǎng)絡(luò)的發(fā)現(xiàn)算法進(jìn)行深入的研究與分析,并對基于局部社團(tuán)挖掘算法的L-shell算法進(jìn)行了改進(jìn),將尋找待挖掘社團(tuán)中節(jié)點(diǎn)的過程中加入了節(jié)點(diǎn)對之間信任關(guān)系的判斷。通過此思想可以大幅度的提升社團(tuán)發(fā)現(xiàn)算法的效率和準(zhǔn)確性。另外本文的算法是具有針對性的社團(tuán)挖掘算法的設(shè)計(jì),主要就是針對具有信任關(guān)系模型的網(wǎng)絡(luò)模型進(jìn)行社區(qū)的挖掘。這樣設(shè)計(jì)的目的就是通過信任關(guān)系挖掘出來的社團(tuán),該社團(tuán)內(nèi)部的節(jié)點(diǎn)之間都有一定的相似性和共性,所以更具有實(shí)用價(jià)值和意義,可以進(jìn)行針對性的信息推送等活動(dòng)。雖然已經(jīng)有好多關(guān)于社團(tuán)挖掘算法的研究,但是在大多數(shù)情況下找到一個(gè)社交網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)的準(zhǔn)確度本身就是一個(gè)NP難問題,尤其是在網(wǎng)絡(luò)結(jié)構(gòu)中的節(jié)點(diǎn)數(shù)達(dá)到了數(shù)以十萬計(jì),百萬計(jì)的時(shí)候,網(wǎng)絡(luò)的結(jié)構(gòu)就會變得相當(dāng)復(fù)雜,這個(gè)時(shí)候如果還是從全網(wǎng)對社團(tuán)進(jìn)行劃分的話,是毫無意義的并且算法的效率也會降低,而且準(zhǔn)確率也不高,根本就不能有效地反映出真實(shí)的社團(tuán)情況。而如果從局部社團(tuán)挖掘算法的角度對社區(qū)進(jìn)行劃分的話就不一樣了,如果通過一個(gè)起始節(jié)點(diǎn)將該節(jié)點(diǎn)的社團(tuán)挖掘出來,這樣挖掘出來的社團(tuán)更加具有研究價(jià)值。所以最近幾年之中對社團(tuán)挖掘進(jìn)行局部挖掘的算法就一直是學(xué)術(shù)界熱衷研究的點(diǎn)。社區(qū)發(fā)現(xiàn)算法的本質(zhì)指的就是對某一個(gè)節(jié)點(diǎn)進(jìn)行聚類的一個(gè)過程,把那些彼此之間關(guān)聯(lián)度較高的節(jié)點(diǎn)合在一起,這樣就獲得了相應(yīng)的社團(tuán)結(jié)構(gòu)。本文的工作安排主要包含以下幾個(gè)方面:對社團(tuán)挖掘算法進(jìn)行研究分析,主要是局部社團(tuán)挖掘算法中的L-shell算法(下文有相關(guān)介紹)與R算法(下文有相關(guān)介紹)進(jìn)行了詳細(xì)的分析研究。然后對L-shell算法進(jìn)行了相應(yīng)的改進(jìn),由于本文的算法是針對具有信任關(guān)系模型網(wǎng)絡(luò)進(jìn)行社區(qū)劃分的,所以同時(shí)也對社團(tuán)中節(jié)點(diǎn)間信任關(guān)系相關(guān)的知識做了大量的研究和分析。然后就是對改進(jìn)后的L-shell算法,就是指基于信任關(guān)系的社團(tuán)挖掘算法(Community mining algorithm based on trust relation,下文簡稱TCMA)進(jìn)行代碼設(shè)計(jì)與實(shí)現(xiàn)。然后對TCMA算法進(jìn)行實(shí)驗(yàn)結(jié)果分析。
[Abstract]:In recent years, human beings have made remarkable achievements in the development of science and technology, especially in the field of Internet. The development of network technology has developed rapidly, especially in the development of mobile Internet, which has made the people's work and lifestyle changed qualitatively. Since the advent of the mobile Internet, Every one of us lives, work, and so on in all aspects and fields. This has fully demonstrated that the Internet has merged closely with our lives to form an inseparable whole. As we all know, the most prominent development in the time of the Web2.0 network is the cross question of the social network. The world and the great changes in the way people live and work. After that, everyone, regardless of age, industry, nationality, can get fair, quick access to and release news on the Internet. This way of life makes people feel Zhu Geliang's living feeling, every netizen has "no". The way of thinking and ability, especially the social software that comes from social networks, such as Sina micro-blog, Tencent QQ and WeChat, and social software Twitter abroad, has made every corner of the world close together. As a network that can cover all over the world, in this huge network, every user of our network can be regarded as a node of the network. We communicate with each other through network tools. Now, when large data are developed, the number of the Internet is more complex and Pang in the large number of times. In big data age, the amount of data is much more than ever before. It can be said to be more than the sum of all the data in the past. In the big data age network data is so huge that it is mainly due to the rapid development of network science and technology. These massive data are not only able to reflect the life circle of everyone. This will make the research of the Internet more practical and useful. This paper makes a thorough research and Analysis on the discovery algorithm of the existing community network. In addition, the L-shell algorithm based on local association mining algorithm is improved. In the process of finding the nodes in the mining community, the trust relationship between the nodes is added. Through this idea, the efficiency and accuracy of the association discovery algorithm can be greatly improved. In addition, this algorithm is a pertinent association mining algorithm. The design is mainly for the mining of the community with the model of the trust relationship model. The purpose of this design is to dig out the community through the trust relationship, and there are some similarities and generalities among the nodes within the community, so it has more practical value and significance, and can carry on the specific information push and so on. Although there has been a lot of research on association mining algorithms, in most cases, finding the accuracy of community structure in a social network is a NP difficult problem, especially in the network structure, the number of nodes is up to one hundred thousand, and the structure of the network becomes quite complex when it is million. If we divide the community from the whole network, it is meaningless and the efficiency of the algorithm will be reduced, and the accuracy is not high, it can not effectively reflect the real community situation. And if the local community mining algorithm point of view of the community is different, if a starting section is passed. In recent years, the algorithm of mining local mining for community mining has been a hot topic in academic circles. The essence of community discovery algorithm refers to a process of clustering one node, and the other is the same. The nodes with higher correlation degree are combined together, thus the corresponding community structure is obtained. The work arrangement of this paper mainly includes the following aspects: the research and analysis of the association mining algorithm, mainly the L-shell algorithm in the local association mining algorithm (the following related introduction) and the R algorithm (following the related introduction) are detailed. Then, the L-shell algorithm is improved. Because the algorithm is based on the community division of the model network with trust relationship, a lot of research and analysis are made on the knowledge related to the trust relationship among the nodes in the community. Then, the improved L-shell algorithm is based on trust. The association mining algorithm (Community mining algorithm based on trust relation, hereinafter referred to as TCMA) is used to design and implement the code. Then the experimental results of the TCMA algorithm are analyzed.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年02期

2 鄒汪平;;一種基于網(wǎng)絡(luò)安全控制的蜂群算法應(yīng)用研究[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

3 郭毅可;韓銳;;云計(jì)算中的彈性算法:概要和展望[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

4 劉江華;戴新喜;白似雪;;基于模式矩陣的P_Matrix算法[J];南昌大學(xué)學(xué)報(bào)(理科版);2007年05期

5 胡俊鵬;;基于雙向選擇的蟻群相遇算法的優(yōu)化[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

6 張麗;;關(guān)聯(lián)規(guī)則挖掘算法的研究[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年02期

7 吳秋峰;尹海東;孟翔燕;;基于和積和最大積的信念傳播算法的收斂性分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2011年09期

8 趙吉東;;蟻群算法的改進(jìn)策略研究[J];中國科技信息;2012年12期

9 胡森森;周賢善;;一種改進(jìn)蟻群算法的研究[J];長江大學(xué)學(xué)報(bào)(自科版);2006年10期

10 王恒娜;趙曉靜;;基于屬性覆蓋的關(guān)聯(lián)規(guī)則挖掘算法[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

相關(guān)會議論文 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會——2004年學(xué)術(shù)年會論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會2004年學(xué)術(shù)年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進(jìn)的Apriori算法的研究[A];廣西計(jì)算機(jī)學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實(shí)現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進(jìn)算法[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴(kuò)展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會25周年紀(jì)念會暨2011年學(xué)術(shù)年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動(dòng)化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計(jì)算機(jī)學(xué)會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測研究[D];南京航空航天大學(xué);2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 苗義烽;突發(fā)事件下的列車運(yùn)行調(diào)度模型與算法研究[D];中國鐵道科學(xué)研究院;2015年

4 楊玉婷;頭腦風(fēng)暴優(yōu)化算法與基于視頻的非接觸式運(yùn)動(dòng)定量分析方法研究[D];浙江大學(xué);2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學(xué);2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進(jìn)研究[D];山東師范大學(xué);2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學(xué);2016年

8 匡立;分形網(wǎng)絡(luò)的理論、算法及應(yīng)用研究[D];武漢大學(xué);2015年

9 孫磊磊;AP聚類算法研究及其在電子病歷挖掘中的應(yīng)用[D];大連理工大學(xué);2017年

10 單美靜;求解非線性實(shí)代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 安世勇;命題邏輯中隨機(jī)3-SAT問題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競爭性出讓系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機(jī)與線路固定設(shè)施間距檢測算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學(xué);2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學(xué);2015年

8 張路奇;基于改進(jìn)蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長安大學(xué);2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學(xué);2015年

，

本文編號：1947178