移動社交網(wǎng)絡(luò)的分形特征及應用研究.pdf

1、移動社交網(wǎng)絡(luò)(Mobile Social Networks，MSNs)是指用戶使用手。機等移動終端設(shè)備訪問社交網(wǎng)站，以實現(xiàn)多用戶之間的互動以及信息分享與交流的新型社交網(wǎng)絡(luò)。對MSNs的網(wǎng)絡(luò)拓撲特性及應用的研究是目前研究的一個熱點。本文重點研究MSNs分形特性，基于對MSNs網(wǎng)絡(luò)結(jié)構(gòu)的研究，本文還對MSNs的鏈路預測進行分析。
　　本文首先提出了一種新的盒子計數(shù)法，該方法是基于排除質(zhì)量與接近中心度比值的方法(REMCC)，與Song

2、的MEMB方法相比能獲得更少的盒子數(shù)。仿真實驗顯示，該方法與Song和Zhang的方法相比能得到較低的分形維數(shù)值，表明REMCC算法在無權(quán)重網(wǎng)絡(luò)中是更有效的。
　　其次，本文還提出一種改進的REMCC算法用來分析MSNs的分形特征。該方法把兩相連節(jié)點間的平均相遇時長作為邊的權(quán)重，從而把MSNs轉(zhuǎn)化為加權(quán)網(wǎng)絡(luò)。將盒子尺寸從整數(shù)域擴展到實數(shù)域，使之更好的適用于加權(quán)的網(wǎng)絡(luò)的分形性分析。仿真實驗表明幾種MSNs在某些時間段下具有分形特性。

3、本文還分析了MSNs的加權(quán)匹配系數(shù)，發(fā)現(xiàn)分形的網(wǎng)絡(luò)其匹配系數(shù)為負，說明它們具有異配性。
　　最后，本文還研究了MSNs的鏈路預測問題，提出一種基于共同鄰居網(wǎng)絡(luò)中心度的鏈路預測方法。該方法將時間信息考慮到鏈路預測內(nèi)，為網(wǎng)絡(luò)中所有未連接的節(jié)點對構(gòu)建時間序列模型，并將基于共同鄰居的網(wǎng)絡(luò)中心度方法運用在時間序列模型中。該方法使用AUC指標對不同的數(shù)據(jù)集進行驗證，并與典型鏈路預測算法比較。實驗結(jié)果表明該方法的鏈路預測性能基本上要高于其他幾種