绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 2 条结果
[博士论文] 陈乃月
通信与信息系统 北京交通大学 2017(学位年度)
摘要:网络是对现实系统中的主体及其关系的一种抽象表达,例如计算机形成的互联网络、人与人形成的社会网络等。由于网络在结构上继承了现实系统的复杂性属性,对网络进行研究,有助于人们理解现实系统的真实情况。在各种网络属性中,社区结构是一种能够反映网络特征的重要中观属性。如何高效地识别和划分网络中的社区结构,对分析复杂网络和预测网络发展趋势等具有重要的意义。此外,精确的社区划分还能够显著提高搜索引擎的结果相关度和推荐系统的精度,具有广泛的应用价值。
  目前,研究学者们已经提出了多种复杂网络中的社区发现算法,然而划分网络社区结构还存在多种问题,如社区划分结果随机性较大、算法复杂度较高、准确率较低等。本论文针对静态网络和动态网络分别进行研究,将节点的间接关系引入到标签传播、矩阵分解和增量计算中,并提出相应的社区发现算法,以解决网络社区结构划分的随机性、精准性等问题。
  论文的工作得到了国家自然科学基金课题“互联网用户偏好描述方法、形成机制与演化模式研究”(No.61271308)、“在线社交网络舆论传播演化模式及热点预测方法研究”(No.61172072),北京市自然科学基金资助项目“网络社区舆论趋势预测与观点演化机制研究”(No.4112045),和中央高校基本科研业务费专项资金研究生创新项目“在线大规模社交网络中社区发现算法研究”(No.2016YJS029)等项目的支持。
  论文的主要工作和创新点如下:
  1.研究了传统标签传播算法的中标签权重问题,提出了一种基于用户相似性的标签传播社区发现算法。传统的标签传播算法中节点只选取邻居用户中标签个数最多的标签,并且,认为用户标签的权重是相同的,缺乏对用户标签的个性化处理,影响了标签传播的全局性和准确性。本研究基于现实社会中用户间相似度不同的思想,引入了信息熵思想计算直接和间接邻居节点相似度,并将其作为标签传播过程中的重要因素,映射了真实的信息交互模式。研究发现在以信息熵度量影响力的情况下,标签传播算法能够有效地提高网络社区划分的精准度。
  2.二分网络存在稀疏性特征,这种稀疏性对社区发现算法存在不利的影响。针对这一问题,提出了一种基于矩阵分解方法的社区发现算法。传统的矩阵分解模型使用同一目标函数对矩阵进行分解,没有考虑分解后的矩阵对应的物理意义,影响了社区发现的准确性。本论文针对分解后的两个矩阵的不同特性分别提出了相应的优化策略,使基矩阵更加趋近于正交状态,隶属度矩阵趋近于稀疏状态,以便更好地识别网络结构。并且,通过对原始网络预处理补充了节点的间接关系,此外,根据隶属度矩阵优化网络社区个数。通过数据分析结果表明,本文提出的算法能够有效划分社区结构,同时可以识别网络重叠社区及重叠节点,更有效地发现网络的潜在信息。
  3.静态网络的社区结构划分往往忽略了网络的动态性,难以识别动态网络中的社区结构变化。为此,本文分析了动态网络中的变量对社区结构的影响,提出了一种基于增量的动态网络社区发现算法。该算法分别考虑了变化的节点对其所在社区的直接影响和间接影响,同时引入了间接节点间的相互关系,进一步扩展了变量节点的影响范围。实验结果表明,该算法较之传统动态网络社区发现算法具有更好的性能、更少的运行时间,相比传统的增量型算法,该算法可以得到准确度更高的社区结构。
  4.针对大规模网络的数据特点,建立了一种基于用户影响力的大数据网络社区发现模型,提出了一种结合同步异步更新的并行化标签传播方式,避免了高时耗和标签振荡现象的发生。利用改进的Jaccard算法,计算直接和间接节点的影响力,更准确地表示用户信息交互的真实情况,拓宽了标签的传播范围,有助于提升标签传播的全局性。分析结果表明,本文提出的算法在平均耗时与精确度的综合分析上具有明显的优势和更高的适应性。
[硕士论文] 陈乃月
电子与通信工程 北京交通大学 2013(学位年度)
摘要:随着互联网技术的快速发展与应用的普及,网络越来越成为人们交流的主要工具,特别是微博的发展与应用,使得人们能够更加简单便捷的表达自己的情感,同时,微博的开放性与迅速性使得一个观点能够快速的成为舆论。所以,研究微博舆论的演化过程以及如何对其发展趋势进行预测已经成为人们关注的热点之一。
  本论文在对微博的特点进行研究的基础上,学习借鉴了微博舆论的发展规律和趋势预测技术的可实现方法。并在现有的理论基础上,开发了微博舆论趋势预测系统,最后使用微博数据验证了系统的功能。论文研究工作受到了高等学校博士学科点专项科研基金(No.20100009110002)的支持。
  本文的研究工作如下:
  1.学习了舆论的传播过程、微博传播的特点以及现有的网络舆论的趋势预测方法。
  2.研究了新浪API接口的特点以及网络爬虫的技术,使用新浪API接口作为主要数据采集方法,利用网络爬虫技术辅助信息采集的方法,完成了对微博平台上指定微博的数据采集。
  3.在分析了神经网络的结构特点的基础上,采用前馈反向传播网络(BP神经网络)对历史数据进行分析,并使用遗传算法对神经网络进行网络结构的优化,训练相应的神经网络以适用于微博的发展趋势预测。
  4.使用编程语言对系统进行开发,利用采集到的微博数据训练神经网络,实现了一个微博舆论发展趋势预测的系统。
  5.通过实验,将历史数据输入系统进行预测值和真实值的比对,验证该系统运行基本稳定。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部