多维海量社交网络数据可视化技术研究

《多维海量社交网络数据可视化技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391.4密级公开UDC004.9学位论文编号D-10617-30852-(2016)-02053重庆邮电大学硕士学位论文中文题目多维海量社交网络数据可视化技术研究英文题目ResearchonMulti-dimensionalandMassiveSocialNetworkVisualizationTechnology学号S130231055姓名赵润乾学位类别工程硕士学科专业计算机技术指导教师吴渝教授完成日期2016年4月6日重庆邮电大学硕士学位论文摘要摘要随着信息科技的飞速发展，具有多维和海

2、量等特性的社交网络数据呈现出爆炸式增长，研究多维海量社交网络数据的可视化技术具有重要意义。在分析多维和海量数据可视化技术中存在的主要问题的基础上，本文对海量社交网络数据可视化技术中的社区发现算法、力导引布局算法和多维数据可视化中的属性图聚类算法进行了重点研究。第一，针对现有社区发现算法存在社区质量不满足图可视化要求和算法效率低的问题，以及力导引布局算法存在社区结构不明显和布局效率低的问题，提出了改进的社区发现算法和社区布局算法。首先，基于Louvain算法，提出了一种面向大规模社交网络的社区发现算法。

3、该算法结合社交网络中无尺度及小世界等特性，通过预先选取种子节点的方法，抑制了大社区的过度合并，同时也及时合并小的社区。其次，提出了一种展示大规模网络社区结构的社区布局算法。该算法通过引入社区引力促使同一社区中的节点聚拢，优化了社区引力建模，简化了算法步骤。实验结果表明，以上算法能够清晰、高效地展示海量社交网络数据。第二，针对属性图聚类算法存在社区质量不满足图可视化要求、算法效率低和具有维度灾难以及人为干预的问题，提出了改进的属性图聚类算法和基于属性映射的多维数据可视化算法。其中，改进的属性图聚类算法采

4、用主成分分析(PrincipalComponentAnalysis,PCA)和自组织映射(Self-OrganizingMap,SOM)算法分别降低节点信息维度来完成聚类。然后依据聚类结果，利用属性相似度将原有的无权网络图转换为加权网络图，之后利用本文改进的社区发现算法进行社区划分。基于属性映射的多维可视化算法以社区的角度，通过平行坐标系的方式展示数据的维度信息。以上算法具有自适应性和无监督性，能够满足大规模多维社交网络对于社区划分和可视化的要求。第三，通过集成上述改进的算法，设计了多维海量社交网络数

5、据可视化方案，同时开发了一款可视化原型系统。关键词：社交网络，数据可视化，社区发现，力导引布局，属性图聚类I重庆邮电大学硕士学位论文AbstractAbstractWiththerapiddevelopmentofinformationtechnology,thesocialnetworkdatawhichcontainsmultidimensionalandmassivecharactersshowsanexplosivegrowth.Researchonsocialnetworkdatavisua

6、lizationtechnologieshasimportantsignificance.Onbaseofanalyzingmainproblemsofmultidimensionalandmassivevisualizationtechnologies,researchinthisthesismainlyfocusesonthecommunitydiscoveryalgorithm,force-directedalgorithminthemassivedatavisualizationtechnol

7、ogiesandtheattributedgraphclusteringalgorithminthemultidimensionaldatavisualizationtechnologies.Firstly,theexistingcommunitydiscoveryalgorithmsareinefficientandcan'tsatisfytherequirementsofgraphvisualization.Theforce-directedalgorithmshavetheproblemoflo

8、wefficiencyandlessobviouscommunitystructure.Inordertosolvetheseproblems,acommunitydiscoveryalgorithmformassivesocialnetworkdataandacommunitylayoutalgorithmforshowinglarge-scalesocialnetworkcommunitystructureareproposed.First,acom