在线社会网络的动态社区分析与流行度预测

在线社会网络的动态社区分析与流行度预测

ID:34126615

大小:6.48 MB

页数:53页

时间:2019-03-03

在线社会网络的动态社区分析与流行度预测_第1页
在线社会网络的动态社区分析与流行度预测_第2页
在线社会网络的动态社区分析与流行度预测_第3页
在线社会网络的动态社区分析与流行度预测_第4页
在线社会网络的动态社区分析与流行度预测_第5页
资源描述:

《在线社会网络的动态社区分析与流行度预测》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、万方数据太原理工大学硕士研究生学位论文communitiesinlargenetworks.Bytestsweseethatdifferentnodeorderbringsdifferentperformanceanddifferentcommunitystructure.Wefindsomenodesswingindifferentcommunitiesthatinfluencetheperformance.SoWeintroduceanewconceptOVthatshowsthestrengthofconnecti

2、onbetweennodes.wedesignsomestrategiesonthesweepingorderofnodetoreducethecomputingcostmadebyrepetitionswing。Experimentsonsyntheticdatasetsandrealdatasetsaremade,whichshowourimprovedstrategiescanimprovetheperformanceandcorrectness.Secondly,weexploredthecommunitynet

3、workstructureofmicrobloginformationdisseminationnetworkfromthemacro.weconstructedanewinformationdiffusionnetworkaccordingtomicrobloggingforwardingpath,differentfromthetraditionalnetworks.Wedodynamiccommunitydiscoveryonnetworkssnapshotswhichisdividedbyonemonthinte

4、rvalstoanalyzetheevolutionofthecommunity.Thirdl5wedoempiricalanalysisonSinaWeiboDatasets.Westudiedthepopularityoftweetsinmicrobloggingnetworkandintroduceanovelconcept“popularitydegree".Throughtheempiricalanalysisofdifferentpopularitydegree,wefindtheretweetinginfo

5、rmationofatweetatanearliertimecanhelppredictitsfinalpopularity.Finally,weproposeamodelbasedonSVMwiththeretweetinginformationwithinonehour.Experimentalresultsshowourmodelhasbetterabilityofprediction.Infuturework,wewillcontinuetofurtherstudyandimproveitsIV万方数据太原理工大

6、学硕士研究生学位论文abilitytopredictthehighlypopularmicroblog.KEYWORDS:Microblog,Modularity,CommunityDetection,InformationDiffusion,PopularityDegreeV万方数据太原理工大学硕士研究生学位论文VI万方数据太原理工大学硕士研究生学位论文目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11.1课题的研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.2国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

7、21.2.1微博信息传播的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..21.2.2复杂网络社区发现研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.3课题研究的目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51.4论文主要工作及结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.51.4.1论文主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..51.4.2论文结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..6第二章相关基础理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.1微博网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.2复杂网络中的社区结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..1

8、02.2.1社区结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..102.2.2信息熵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.122.2.3归一化互信息⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.122.2.4基准网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..142.3分类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..152.3.1支持向量机⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。