信息网络拓扑结构与内容相关性研究

《信息网络拓扑结构与内容相关性研究》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、中国科学院计算技术研究所博士学位论文信息网络拓扑结构与内容相关性研究姓名：程学旗申请学位级别：博士专业：计算机系统结构指导教师：李国杰20060601信息网络拓扑结构与内容相关性研究：摘要的论点。PRCP模型能够比前人更好地解释信息网络中微观与宏观行为之间的关系。最后针对纯粹基于物理连边聚集程度划分的社区研究的不足，提出了一种多尺度、动态化的信息社区概念。新的社区概念综合考虑了物理连边密度和节点之间差异性的属性相关等多种尺度，以连边和消息转移概率来定义信息网络中的社区，并在此基础上提出了相应的社区发现算法。实验表明该方法可以发现更

2、有实际价值的网络信息社区。关键词：复杂网络、信息网络、自由标度网络、小世界效应、web网络演化模型、节点知名度、节点相关度、网络内敛度、信息社区、网络集聚性、连边概率、成三角概率、三角相关度、拓扑结构信息网络拓扑结构与内容相关性研究：摘要AnalysingthetopologicalstructureandthecontentrelavenceoftheinformationnetworksXueqiCheng(ComputerArchitecture)DirectedByProfessorLiGuojieThepopulariz

3、ationofInteruetpromotesthedevelopmentofthenetworksindiversesocialinformation．AfterWattsandStrogatzputforwardasmall·worldmodelin1998andBarabdsiandAlbertgaveascale—freemodelin1999，researchersareengagedinanalyzingthecharacteristicsoftopologicalstructureofrealitycomplexne

4、tworks．IntheInternetenvironment，itisbasicandkeyissuetoanalyzetherelationshipbetweenthetopologicalstructureandcontentdistributionoftheinformationnetworks．Itisachallengingproblemformanyotherpracticalresearchworks，suchashowtomodelthediverseandcomplexinformationnetworks，h

5、owtOgethighefficientresultsinlargenetworkinformationretrieval，howtominingdeepercontentfromthenetworks，howtofindtheessentialrulesoftopicpropogationininformationnetworksandhowtopredictthespreadingbehaviorinthenetworksetc．Afteranalysingthetraditionaltopologicalcharacteri

6、sticsoftheWeb，wefindthatthereexistsakindofhighcoherentrelationshipbetweenthetopologicalclusteringandthecontentclusteringintheinformationnetworkbasedonmicroview．Basedonthiskindofrelationsbetweenthetopologicalstructuresandthecontentdistributionswestudythewebmodeling，com

7、munityidentificationandsomerelatedproblemsindetail．Thisworkcontainsthreemainsignificantresultsasfollows：First，aftersomeexistedcharacteristicsoftheWebtopologyareverified，somenewcharacteristicsarediscovered：1)Thereexistsanobviousmappingrelationbetweenthetopologicalstruc

8、tureandcontentdistributionintheWeb．e．g．thelinkageprobabilitybetweentwonodesisexponentiallyscaledtothenode-noderelevanceofthe