面向微博平台的社区发现及演化分析

面向微博平台的社区发现及演化分析

ID:35102105

大小:6.83 MB

页数:85页

时间:2019-03-17

面向微博平台的社区发现及演化分析_第1页
面向微博平台的社区发现及演化分析_第2页
面向微博平台的社区发现及演化分析_第3页
面向微博平台的社区发现及演化分析_第4页
面向微博平台的社区发现及演化分析_第5页
资源描述:

《面向微博平台的社区发现及演化分析》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、4占糾化*爹OUNITYOFELECTRONIC5CIEN亡gANDTECHNOLOGYFCHINAIVERS-..专业学位硕±学位论文;IONALDEGREEMASTERTHESISFORPROFESS去:、旅1?-.论文题目面向微博平台的社区发现及演化分析专业学位类别工程硕±学号201322060624"*作者姓名赖凌指量教师刘梦娟副教授?)独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加标注和致谢的地方

2、,夕h,论文中不包含其他人已经发表或撰写过的研究成果也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。'作者签名;H、/支曰期告年^月/之曰论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,,有权保留并向国家有关部口或机构送交论文的复印件和磁盘允许论文被查阅和借阅。本人授权电子科技大学可扯将学位论文的全部或部分内容编入有关數据库进行检索,可采巧影印、缩印或扫描等复制手段保存。、汇编学位论文(此规定)

3、保密的学位论文在解密后应遵守'导签::名作者签名师—秦脊:年日曰月期忙/獅分类号密级注1UDC学位论文面向微博平台的社区发现及演化分析(题名和副题名)赖凌(作者姓名)指导教师刘梦娟副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.3.18论文答辩日期2016.4.15学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。CommunityDetectionandEvolutionAnalysisbasedonMicrobloggingPl

4、atformAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:LaiLingSupervisor:LiuMengjuanSchool:SchoolofInformationandSoftwareEngineering摘要摘要现今,国内外知名的典型社交网站有Facebook、Google+,Twitter,腾讯的QQ空间、新浪微博和人人网等,这些社交类平台或应用在人们的日常生活中占据着重要的地位。发现这些社区网络中社区

5、结构对研究分析和预测社交网络中行为具有重要意义。而社区演化是包括社交网络在内的多种复杂真实网络所具有的基本特性。随着社交网络中具有时间属性的数据日益累积,社区演化的研究逐渐形成了一个热点。微博,是一种通过关注机制进行简短实时信息的分享、传播以及获取的广播式社交网络平台。作为社交类网站的一个重要组成部分,微博已成为我国网民获取信息和交往的主要渠道。现有的经典社区发现算法应用在微博平台环境下存在不足,本文在经典社区发现MetaFac框架的基础上,提出一个能够结合微博内容等多行为的数据信息,以发掘用户兴趣的改进算法。改进部分主要包括设计一个适应微博平台特点的元图模型,多关系权重分

6、配机制和计算最小有效社区数的算法。论文利用所爬取的新浪微博数据集验证所提出的改进算法的性能,实验结果说明,微博内容的分析确实提升了用户之间的关联程度。本文提出一个可结合张量联合分解算法的社区演化发现机制,从多个连续时间片段内尽可能的将所发现的社区结构保持一定相似程度以保证社区结构演化的平稳过渡。实验中基于此机制的理论对连续时间片段内数据进行了增量式的社区发现,并从用户、主题等重要实体方面分析社区结构随时间推移所发生的变化。深入分析现今主流微博社交网站的系统特点,论文并实现了一个兼容性较强的微博数据获取系统。该平台的功能模块分为爬取策略模块、数据库访问功能扩展模块、参数配置模

7、块、微博数据库设计模块。系统爬取了大量新浪微博数据,用以分析微博社交网站的系统特点和所提出算法的性能评估。关键字:社交网络,社区发现,微博,张量分解,用户兴趣IABSTRACTABSTRACTNowadays,dozensofdomesticandinternationalwell-knownsocialnetworkingsites,suchasFacebook,Google+,Twitter,QQzone,SinaweiboandRenren,thesesocialnetworkplatformorapplic

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。