基于图的社交网络用户影响力排序方法研究

发布时间：2024-05-23 05:36

　　随着人类社会的飞速发展和科学技术的进步,人类社会已经从工业经济时代逐渐发展成为信息经济时代。社交媒体出现在Web2.0时代,并且迅速的发展,我们的日常生活充满着各种各样的网络。社交媒体被抽象为一个社交网络,可以看作是人与人之间的在线交流,并且吸引着更多的用户参与其中。用户在社交网络中通过在线交流,发布信息,会对有影响力的用户进行识别,提高信息传播的广度与深度,在信息传播、网络舆情传播控制和广告传播等方面起着非常重要的作用。如何有效地衡量用户在社交网络中的实际影响力,进一步对社交网络用户影响力进行排序已然成为了一个需要深入研究的关键问题。本文的主要研究工作包括:(1)通过在网络拓扑结构方面引入网络motif以及在用户自身特征方面引入平均表现特征因子和时间衰减度因子改进用户影响力排序方面的LR(LeaderRank)值均分以及偏向旧网页的问题。(2)引入距离度量来平衡相关性因子与多样性因子来进一步改进用户影响力排序,寻求具有最大边缘权重和的诱导子图的节点的大小k子集。相关性因子为改进后的节点对的LR值,多样性因子为节点对的对称性差异,通过距离度量进行平衡来提高用户的满意度和改善用户的体验。...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图１．１?３－节点ｍｏｔｉｆ?（３－顶点子图结构的所有１３种类型）??Ｆｉｇ．?１．１?３－ｎｏｄｅ?ｍｏｔｉｆ?（ａｌｌ?１３?ｔｙｐｅｓ?ｏｆ?３－ｖｅｒｔｅｘ?ｓｕｂｇｒａｐｈ?ｓｔｒｕｃｔｕｒｅ）??１?？??

也被应用在图聚类或社区检测［％方面。在文献［５３］中，Ｗａｎｇ等人提??出通过衡量节点在网络中的参与程度来衡量其重要性。与这些先前的研宄相比，我们通??过在网络拓扑结构方面引入网络ｍｏｔｉｆ以及在用户自身特征方面引入平均表现特征因子??和时间衰减度因子，将其线性组合到加权Ｌｅａｄ....

图２．１小世界网络拓扑结构示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｍａｌｌ－ｗｏｒｌｄ?ｎｅｔｗｏｒｋ?ｔｏｐｏｌｏｇｙ??

?大连海事大学硕士学位论文???其中，Ｅ，表示的是网络中该节点的邻居节点ｋｉ之间的实际边数，而该节点的邻居节点??ｋ，之间最多存在边的数目为ｋｉ（ｋＭ）／２。依据节点的聚类系数可得该网络的平均聚类系数??为??／Ｊ／＝丄?（２．４）??＇?Ｎｈ?＇＇??２．１．２复杂网络的结构特....

图２．２幂函数曲线图??，?．ｊ?Ｉ??Ｆｉｇ．?２．２?Ｐｏｗｅｒ?ｆｕｎｃｔｉｏｎ?ｃｕｒｖｅ??

?基于图的社交网络用户影响力排序方法研究???ｙＡ??０］??＼??图２．２幂函数曲线图??，?．ｊ?Ｉ??Ｆｉｇ．?２．２?Ｐｏｗｅｒ?ｆｕｎｃｔｉｏｎ?ｃｕｒｖｅ??使用生活中的案例对小世界效应和无标度特性进行进一步的举例说明。小世界效应??反映了社交网络中朋友关系的一种特性....

图２．３无标度网络拓扑结构示意图??Ｆｉｇ．?２．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｃａｌｅ－ｆｒｅｅ?ｎｅｔｗｏｒｋ?ｔｏｐｏｌｏｇｙ??

?基于图的社交网络用户影响力排序方法研究???ｙＡ??０］??＼??图２．２幂函数曲线图??，?．ｊ?Ｉ??Ｆｉｇ．?２．２?Ｐｏｗｅｒ?ｆｕｎｃｔｉｏｎ?ｃｕｒｖｅ??使用生活中的案例对小世界效应和无标度特性进行进一步的举例说明。小世界效应??反映了社交网络中朋友关系的一种特性....

本文编号：3981073