社交網(wǎng)絡(luò)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(shù)的快速發(fā)展，社交網(wǎng)絡(luò)已逐漸成為了人們?nèi)粘＝挥褱贤?、個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(luò)研究中的一個熱點，挖掘社交網(wǎng)絡(luò)中潛在的社區(qū)結(jié)構(gòu)有助于深入理解網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特點，也能為輿情監(jiān)測、意見領(lǐng)袖發(fā)現(xiàn)和個性化推薦等諸多方面的研究與應(yīng)用提供有力的支持。但目前隨著社交網(wǎng)絡(luò)規(guī)模的不斷增大，如何從愈發(fā)復(fù)雜的社交網(wǎng)絡(luò)中簡單高效地挖掘出具有潛在特征的重疊社區(qū)結(jié)構(gòu)成為了一項具有挑戰(zhàn)性的問題。同時，社交網(wǎng)絡(luò)中的用戶之間不僅存在著

2、顯性關(guān)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(guān)系。為了更加合理地分析社交網(wǎng)絡(luò)中用戶之間的關(guān)系特征，可以通過使用信任來衡量用戶間的個體權(quán)重、關(guān)系強(qiáng)度等關(guān)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(luò)中的關(guān)系描述，從而能夠有效提升社交網(wǎng)絡(luò)分析的準(zhǔn)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(luò)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(guān)系特征，并在此基礎(chǔ)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(luò)中融合了節(jié)點間關(guān)系強(qiáng)度與相似性的信任計算方法。在相關(guān)信任計算研究的基礎(chǔ)之上，分析與選擇社交網(wǎng)絡(luò)中影響節(jié)點間信任的因素之后，針對由節(jié)點間關(guān)系強(qiáng)度產(chǎn)生的關(guān)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(yīng)的計算方法。社交網(wǎng)絡(luò)環(huán)境中信任的計算方法是本文后續(xù)研究的重要基礎(chǔ)。
　　2)設(shè)計了一種社交網(wǎng)絡(luò)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(luò)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(zhǔn)網(wǎng)絡(luò)、經(jīng)典真實網(wǎng)絡(luò)和微博網(wǎng)絡(luò)三種不同類型的網(wǎng)絡(luò)，給出了社區(qū)發(fā)現(xiàn)的效果評價指標(biāo)，