社交网络中代表性人物子集抽取问题研究

论文摘要

从社交网络中抽取不同性质的子集是社交网络领域中一项重要的研究内容。在已有工作中,该研究课题大致分为两种:基于用户属性特征进行抽取;或基于网络拓扑结构特征进行抽取。但是,从单一角度抽取的子集往往不足以代表原集,因为在抽取的过程中只保留了部分特征。针对该问题,本文提出了新的解决方案。在抽取子集的过程中综合考虑了用户属性特征及拓扑结构特征,以确保抽取结果与原始数据集尽可能相似。具体工作如下:(1)本文针对社交网络抽取子集的相关工作进行了深入研究,并形式化地定义了从社交网络中抽取代表性子集问题,证明了该问题属于NP难问题。本文提出了代表性子集抽取框架K Sampling(KS),先根据用户属性特征进行聚类,以获得属性特征差异化的聚类簇。设计了融合属性特征和拓扑结构特征指标的目标函数,基于已划分的聚类簇使用启发式贪心算法进行采样。实验表明KS框架相对于其他代表性子集抽取方法有较好的表现。(2)基于KS框架,本文提出了优化版的抽取框架Affinity Propagation Community Detection Sampling(ACS)。其中包含了改进版的Affinity Propagation聚类算法,该聚类算法同时根据属性和拓扑结构特征划分用户。对聚类后由于属性相似而拓扑结构差异较大的误差点进行偏移,并在每个簇内利用社区发现算法来区分用户的拓扑结构。并利用深度优先搜索算法进一步完善交互关系稀疏用户合并为新的社区。最后,ACS框架根据目标函数使用带有剪枝的启发式贪心算法进行采样。实验证明框架具有较好的性能,且抽取的子集具有较高的代表性。综上,本文对社交网络中同时根据属性和拓扑结构特征抽取代表性子集问题进行了研究,并提出了相应的解决方案,对相关研究工作具有一定的参考价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 课题研究背景
•   1.2 课题研究现状
•     1.2.1 影响力子集的抽取
•     1.2.2 社区子集的抽取
•     1.2.3 意见领袖子集的抽取
•     1.2.4 代表性子集的抽取
•   1.3 课题研究内容
•   1.4 课题研究意义
•   1.5 文章组织结构
• 第二章 相关工作
•   2.1 相关概念
•     2.1.1 社交网络用户
•     2.1.2 属性特征
•     2.1.3 拓扑结构特征
•   2.2 相关定义
•   2.3 问题样例
•   2.4 问题定义
•   2.5 相关抽取方法
•     2.5.1 基于拓扑结构特征抽取
•     2.5.2 基于属性特征抽取
•   2.6 本章小结
• 第三章 基于属性特征聚类的采样框架
•   3.1 方案概述
•   3.2 KS框架
•     3.2.1 根据属性特征聚类
•     3.2.2 目标函数及采样方法
•   3.3 实验分析
•     3.3.1 实验设置
•     3.3.2 评价标准
•     3.3.3 对比方法
•     3.3.4 结果展示
•   3.4 本章小结
• 第四章 基于双特征聚类的剪枝采样框架
•   4.1 方案概述
•   4.2 ACS框架
•     4.2.1 构造聚类簇
•     4.2.2 划分聚类簇
•     4.2.3 采样方法及剪枝策略
•   4.3 实验分析
•     4.3.1 实验设置
•     4.3.2 评价标准
•     4.3.3 结果展示
•     4.3.4 时间效率分析
•   4.4 可视化结果分析
•   4.5 本章小结
• 第五章 总结与展望
•   5.1 全文总结
•   5.2 工作展望
• 参考文献
• 攻读硕士学位期间的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 周逸鸣

导师: 赵雷

关键词: 社交网络,代表性,子集抽取

来源: 苏州大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 苏州大学

分类号: O157.5

DOI: 10.27351/d.cnki.gszhu.2019.000874

总页数: 68

文件大小: 4260K

下载量: 20