在線社會(huì)網(wǎng)絡(luò)演化分析方法研究.pdf

1、隨著先進(jìn)技術(shù)的發(fā)展和人們生活習(xí)慣的改變，基于Web2.0的在線交友平臺(tái)、在線網(wǎng)絡(luò)社區(qū)、在線網(wǎng)絡(luò)媒體等已經(jīng)成為時(shí)下風(fēng)靡網(wǎng)絡(luò)的幾種重要在線社會(huì)網(wǎng)絡(luò)平臺(tái)。在這些平臺(tái)上人們不僅可以接收而且可以發(fā)布信息，還可以通過(guò)關(guān)注好友的方式形成自己的朋友圈，所以在線社會(huì)網(wǎng)絡(luò)上聚集了大量的數(shù)據(jù)。這些數(shù)據(jù)包含小到個(gè)人喜好，大到民生民意等多種信息，對(duì)這些數(shù)據(jù)的挖掘具有重要的意義。另外，過(guò)去發(fā)生的演化過(guò)程往往預(yù)示著在將來(lái)某個(gè)時(shí)刻網(wǎng)絡(luò)在結(jié)構(gòu)和功能上的巨變，所以對(duì)演化過(guò)

2、程的研究有助于準(zhǔn)確預(yù)測(cè)網(wǎng)絡(luò)演化的趨勢(shì)。本文從數(shù)據(jù)挖掘和演化規(guī)律兩個(gè)方面對(duì)在線社會(huì)網(wǎng)絡(luò)進(jìn)行了演化分析研究。
　　目前對(duì)在線社會(huì)網(wǎng)絡(luò)的分析方法可以分為傳統(tǒng)算法和統(tǒng)計(jì)物理新方法兩大類(lèi)。傳統(tǒng)算法將在線社會(huì)網(wǎng)絡(luò)進(jìn)行時(shí)間或空間的劃分，得到無(wú)限細(xì)分的網(wǎng)絡(luò)片段，分別對(duì)這些片段進(jìn)行分析，最終結(jié)果組成網(wǎng)絡(luò)整體分析結(jié)果。統(tǒng)計(jì)物理新方法主要從定性的角度分析網(wǎng)絡(luò)演化過(guò)程中體現(xiàn)的演化規(guī)律。研究形式分為從宏觀現(xiàn)象到微觀演化規(guī)律的研究和從微觀性質(zhì)到宏觀演化現(xiàn)象的

3、推理。本文分別應(yīng)用這兩類(lèi)方法從不同角度實(shí)現(xiàn)在線社會(huì)網(wǎng)絡(luò)的演化分析。
　　首先，研究基于遷移學(xué)習(xí)的在線社會(huì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)。本文將在線社會(huì)網(wǎng)絡(luò)的節(jié)點(diǎn)語(yǔ)義標(biāo)簽看做目標(biāo)數(shù)據(jù)，搜索網(wǎng)絡(luò)中的相關(guān)長(zhǎng)文本作為輔助源數(shù)據(jù)，研究一種長(zhǎng)文本到短文本的遷移學(xué)習(xí)方法 FSFP(Free Source selection Free Priori probability distribution)。該方法提取節(jié)點(diǎn)語(yǔ)義信息作為節(jié)點(diǎn)標(biāo)簽；借助網(wǎng)絡(luò)長(zhǎng)文本作為源數(shù)據(jù)以彌

4、補(bǔ)目標(biāo)數(shù)據(jù)語(yǔ)義簡(jiǎn)短，數(shù)據(jù)稀疏的缺點(diǎn)；利用潛在語(yǔ)義分析方法從源數(shù)據(jù)中提取關(guān)鍵詞作為種子特征集；選取一個(gè)輔助學(xué)習(xí)的社交媒體網(wǎng)絡(luò)，以標(biāo)簽為節(jié)點(diǎn)、構(gòu)建這個(gè)網(wǎng)絡(luò)的信息無(wú)向圖；提取包含所有種子特征集的子圖，利用改進(jìn)的拉普拉斯特征映射方法，將每個(gè)節(jié)點(diǎn)映射到一個(gè)低維空間，得到標(biāo)簽新的特征表示；根據(jù)最新標(biāo)簽特征表示與目標(biāo)領(lǐng)域數(shù)據(jù)標(biāo)簽最小化互信息為約束對(duì)目標(biāo)數(shù)據(jù)進(jìn)行分類(lèi)，從而實(shí)現(xiàn)基于語(yǔ)義的在線社會(huì)網(wǎng)絡(luò)社區(qū)劃分。在大量數(shù)據(jù)集上的實(shí)驗(yàn)表明了算法的有效性。

5、>　　其次，研究基于改進(jìn)的量子遺傳算法的在線社會(huì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)。由于基于相同語(yǔ)境，在線社會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)間的連接關(guān)系可以反映出語(yǔ)義標(biāo)簽間的關(guān)聯(lián)關(guān)系。為了發(fā)現(xiàn)這種關(guān)系本文提出一種改進(jìn)的量子遺傳算法 APGA(Apriori-Quantum genetic algorthm)。該方法首先應(yīng)用 TF-IDF 算法提取在線社會(huì)網(wǎng)絡(luò)的語(yǔ)義標(biāo)簽；然后應(yīng)用改進(jìn)的Apriori 算法挖掘語(yǔ)義標(biāo)簽進(jìn)間的關(guān)聯(lián)關(guān)系，將這些關(guān)系轉(zhuǎn)化為分類(lèi)預(yù)規(guī)則；最后應(yīng)用量子遺傳算法優(yōu)

6、化分類(lèi)預(yù)規(guī)則，得到分類(lèi)最終規(guī)則和分類(lèi)結(jié)果從而實(shí)現(xiàn)語(yǔ)義社區(qū)劃分。通過(guò)在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)證明，APGA 具有較快的運(yùn)行速度，并且劃分的社區(qū)具有較高的質(zhì)量。
　　再次，研究基于主方程的網(wǎng)絡(luò)演化有序程度預(yù)測(cè)方法。在網(wǎng)絡(luò)滿(mǎn)足馬爾科夫假設(shè)的情況下，確定網(wǎng)絡(luò)演化狀態(tài)的表達(dá)式及數(shù)量；建立關(guān)于網(wǎng)絡(luò)狀態(tài)分布函數(shù)的演化主方程；采用數(shù)值解法依據(jù)相關(guān)數(shù)學(xué)定理對(duì)主方程進(jìn)行推導(dǎo)；推導(dǎo)結(jié)果顯示了網(wǎng)絡(luò)演化狀態(tài)隨時(shí)間發(fā)生的概率分布；根據(jù)推導(dǎo)結(jié)果計(jì)算帶時(shí)間變量的網(wǎng)絡(luò)

7、結(jié)構(gòu)熵的表達(dá)式。仿真結(jié)果表明由結(jié)構(gòu)熵計(jì)算得到的網(wǎng)絡(luò)有序程度與實(shí)際情況相符。
　　最后，研究基于平均場(chǎng)核心思想分析在線社會(huì)網(wǎng)絡(luò)演化臨界點(diǎn)的收斂性質(zhì)。將在線社會(huì)網(wǎng)絡(luò)納為擴(kuò)展的平均場(chǎng)研究范疇，建立基于平均場(chǎng)的演化分析模型。模型內(nèi)容包括根據(jù)網(wǎng)絡(luò)狀態(tài)分布函數(shù)確定網(wǎng)絡(luò)的序參量和驅(qū)動(dòng)參量的表達(dá)式；建立網(wǎng)絡(luò)的序參量方程；根據(jù)網(wǎng)絡(luò)演化趨勢(shì)確定驅(qū)動(dòng)參量的臨界值；確定序參量在臨界狀態(tài)附近分布的標(biāo)度因子。仿真結(jié)果表明標(biāo)度因子在臨界點(diǎn)附近呈冪率分布，研究的