網(wǎng)絡(luò)中頂點(diǎn)間相似性度量方法研究.pdf

1、Facebook、Twitter、微信和微博等新型在線社交媒體，作為連接現(xiàn)實(shí)世界和虛擬空間的紐帶，匯聚了大量的關(guān)系、行為等可感知和可計(jì)算的人類社會(huì)的數(shù)字足跡。隨著網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，社會(huì)網(wǎng)絡(luò)分析已成為當(dāng)前研究的熱點(diǎn)之一，受到廣大學(xué)者的關(guān)注。其中，頂點(diǎn)間相似性度量方法作為研究各類社會(huì)網(wǎng)絡(luò)的基礎(chǔ)，對(duì)鏈接預(yù)測(cè)、社區(qū)發(fā)現(xiàn)、社區(qū)演化和影響最大化等問(wèn)題的研究具有重要的理論意義和應(yīng)用價(jià)值。本論文引入集對(duì)分析理論，將社會(huì)網(wǎng)絡(luò)刻畫(huà)為一個(gè)同異反(確定與不確

2、定)系統(tǒng)，提出新的頂點(diǎn)間相似性度量方法，并基于該相似性指標(biāo)進(jìn)行社會(huì)網(wǎng)絡(luò)分析的相關(guān)研究。具體研究?jī)?nèi)容如下。
　　首先，在傳統(tǒng)社會(huì)網(wǎng)絡(luò)中，針對(duì)基于集對(duì)理論的相似性度量指標(biāo)中僅考慮了網(wǎng)絡(luò)中共同鄰居數(shù)量、忽略了拓?fù)浣Y(jié)構(gòu)等問(wèn)題，提出一種新的頂點(diǎn)間相似性度量指標(biāo)WCCD(Weighted Clustering-Coefficient Connection Degree)。該指標(biāo)采用集對(duì)聯(lián)系度重新刻畫(huà)頂點(diǎn)間的同異反屬性，并基于頂點(diǎn)度和網(wǎng)絡(luò)拓?fù)浣Y(jié)

3、構(gòu)為同異反屬性進(jìn)行加權(quán)，從而描述頂點(diǎn)間的相似性。為了驗(yàn)證WCCD指標(biāo)的合理性和正確性，給出相關(guān)定理和鏈接預(yù)測(cè)算法。同時(shí)，提出基于WCCD指標(biāo)的社區(qū)發(fā)現(xiàn)算法。該算法可以減少凝聚型層次聚類算法中頻繁的更新操作，避免頂點(diǎn)聚合中的不合理現(xiàn)象。
　　其次，在符號(hào)網(wǎng)絡(luò)中，針對(duì)頂點(diǎn)間相似性度量指標(biāo)中存在的全局性指標(biāo)具有較高的復(fù)雜度、局部性指標(biāo)低估了頂點(diǎn)間的相似性等問(wèn)題，提出一種新的頂點(diǎn)間相似性度量指標(biāo)SNCD(Connection Degree

4、 Between Vertices in Signed Networks)。該指標(biāo)將符號(hào)網(wǎng)絡(luò)中的確定性和不確定性關(guān)系，與網(wǎng)絡(luò)局部和全局拓?fù)浣Y(jié)構(gòu)相融合，提高頂點(diǎn)間相似性的精確度。為了兼顧正邊和負(fù)邊預(yù)測(cè)的準(zhǔn)確率，將聚集系數(shù)和結(jié)構(gòu)平衡理論相結(jié)合，提出符號(hào)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法。同時(shí)，提出基于該預(yù)測(cè)模型的符號(hào)網(wǎng)絡(luò)動(dòng)態(tài)社區(qū)挖掘算法，可以提高社區(qū)劃分的準(zhǔn)確性和穩(wěn)定性，從而實(shí)現(xiàn)采用集對(duì)理論分析符號(hào)網(wǎng)絡(luò)社區(qū)演化規(guī)律。
　　最后，在主題關(guān)注網(wǎng)絡(luò)中，針對(duì)該

5、網(wǎng)絡(luò)同時(shí)具有用戶和主題兩類實(shí)體的特性，提出一種新的頂點(diǎn)間相似性度量指標(biāo)TANCD(Connection Degree Between Vertices in Topic Attention Networks)。該指標(biāo)側(cè)重用戶對(duì)主題的共同關(guān)注度刻畫(huà)頂點(diǎn)間的同異反屬性，突出主題在網(wǎng)絡(luò)結(jié)構(gòu)中的重要性。為了準(zhǔn)確劃分以主題為中心的社區(qū)，提出基于 TANCD指標(biāo)的主題社區(qū)發(fā)現(xiàn)算法。為了進(jìn)一步實(shí)現(xiàn)主題在網(wǎng)絡(luò)中最大化的傳播，提出主題偏好和用戶影響力的定