社交網(wǎng)絡中基于信任模型的社區(qū)發(fā)現(xiàn)算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術的快速發(fā)展，社交網(wǎng)絡已逐漸成為了人們?nèi)粘＝挥褱贤ā€人生活展示及消息發(fā)布的主要平臺。社區(qū)發(fā)現(xiàn)是社交網(wǎng)絡研究中的一個熱點，挖掘社交網(wǎng)絡中潛在的社區(qū)結構有助于深入理解網(wǎng)絡的拓撲結構特點，也能為輿情監(jiān)測、意見領袖發(fā)現(xiàn)和個性化推薦等諸多方面的研究與應用提供有力的支持。但目前隨著社交網(wǎng)絡規(guī)模的不斷增大，如何從愈發(fā)復雜的社交網(wǎng)絡中簡單高效地挖掘出具有潛在特征的重疊社區(qū)結構成為了一項具有挑戰(zhàn)性的問題。同時，社交網(wǎng)絡中的用戶之間不僅存在著

2、顯性關系，還存在好友相似、屬性相似和興趣相似等形式所表現(xiàn)出的隱性關系。為了更加合理地分析社交網(wǎng)絡中用戶之間的關系特征，可以通過使用信任來衡量用戶間的個體權重、關系強度等關系屬性，并通過定義信任的計算方法與傳遞規(guī)則來完成社交網(wǎng)絡中的關系描述，從而能夠有效提升社交網(wǎng)絡分析的準確性
　　因此，為解決已有社區(qū)發(fā)現(xiàn)算法中存在的問題，本文首先定義了一種社交網(wǎng)絡中節(jié)點間信任的計算方法，通過使用信任來描述節(jié)點之間的關系特征，并在此基礎之上提出了基

3、于節(jié)點間信任的重疊社區(qū)發(fā)現(xiàn)算法，最后通過對比實驗完成了算法的驗證。具體的研究內(nèi)容如下:
　　1)提出了一種社交網(wǎng)絡中融合了節(jié)點間關系強度與相似性的信任計算方法。在相關信任計算研究的基礎之上，分析與選擇社交網(wǎng)絡中影響節(jié)點間信任的因素之后，針對由節(jié)點間關系強度產(chǎn)生的關系信任和節(jié)點間相似性產(chǎn)生的相似信任，分別給出了對應的計算方法。社交網(wǎng)絡環(huán)境中信任的計算方法是本文后續(xù)研究的重要基礎。
　　2)設計了一種社交網(wǎng)絡中基于節(jié)點間信任的局

4、部重疊社區(qū)發(fā)現(xiàn)算法TLCDA(Trust-Based Local Overlapping Community Detection Algorithm)。TLCDA算法將社交網(wǎng)絡抽象成為數(shù)據(jù)場后使用信任勢來描述局部范圍內(nèi)節(jié)點之間的影響作用，并通過使用粗糙K-Mediods聚類完成重疊社區(qū)發(fā)現(xiàn)。
　　3)制定了實驗方案并完成對比分析。本文選取了LFR人工基準網(wǎng)絡、經(jīng)典真實網(wǎng)絡和微博網(wǎng)絡三種不同類型的網(wǎng)絡，給出了社區(qū)發(fā)現(xiàn)的效果評價指標，