社交网络服务的用户群体特征分析与组织探测研究

论文摘要

随着近年来互联网技术的飞速发展,基于社交网络服务（SNS）概念的新型网络应用渐成热点。许多SNS网站服务商都积累了大量的用户交往数据集,如果可以通过有效的分析从这些数据集中提取出用户的群体特征与用户的组织结构,就可以帮助网站运营商及时掌握用户的兴趣或行为的变化情况,为相关的用户行为分析提供有价值的信息。本文的研究包括两部分内容。第一部分是对网络静态拓扑结构的分析,通过对节点度、聚集系数、特征路径长度以及膨胀率等指标的计算,从多个角度刻画了SNS网络的用户群体特征。第二部分,针对社会网络数据中个体属性与链接结构共存的特点,我们对综合利用节点属性与链接关系进行组织探测的方法进行了研究。本文利用加权信息图（WIG）模型来解决个体属性与链接关系的融合问题,并引入簇混杂度指标（CMI）用于衡量聚类的优劣,然后在二者的基础上提出了WIG-GN算法,其相较于G-N算法可以更准确地挖掘出网络中的组织结构。最后,为了解决WIG-GN复杂度过高的问题,本文引入了边稳定性系数（ESC）概念,并在此基础上提出了WIG-ESC算法。在实验环节我们首先就拓扑结构分析在SNS用户交往数据集和DBLP合著网络数据集下的实验结果进行了对比。结果表明,相对于合著网络而言,SNS社会网络中不同个体之间的影响力差异较大,小团体的聚集现象并不明显,但二者均具有小世界效应与无标度特征。组织探测算法在真实数据集下的运行结果,也验证了综合使用节点属性与链接关系的联合组织探测算法WIG-GN与WIG-ESC比单纯考虑链接结构的G-N和Jaccard算法具有更高的准确性,且WIG-ESC算法具有较低的时间复杂度,更适用于大规模数据集的组织探测。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 研究目标与内容
• 1.4 论文组织与安排
• 2 相关理论概述
• 2.1 社会网络分析
• 2.2 链接挖掘
• 2.2.1 链接挖掘定义
• 2.2.2 链接挖掘基本任务
• 2.3 组织探测
• 2.3.1 组织探测概述
• 2.3.2 图分裂组织探测
• 2.3.3 属性与关系联合组织探测
• 2.4 本章小结
• 3 SNS社会网络用户群体特征分析
• 3.1 网络拓扑结构研究概述
• 3.2 网络静态几何特征
• 3.2.1 节点度
• 3.2.2 聚集系数
• 3.2.3 特征路径长度
• 3.2.4 膨胀率
• 3.2.5 其他几何特征
• 3.3 本章小结
• 4 SNS社会网络组织探测模型与算法
• 4.1 基于属性与关系的联合组织探测模型
• 4.1.1 问题描述
• 4.1.2 模型定义
• 4.2 簇混杂度指标
• 4.3 WIG-GN组织探测算法
• 4.3.1 问题描述
• 4.3.2 算法描述
• 4.3.3 复杂度分析
• 4.4 WIG-ESC组织探测算法
• 4.4.1 问题描述
• 4.4.2 算法描述
• 4.4.3 复杂度分析
• 4.5 本章小结
• 5 实验设计与验证
• 5.1 实验总体设计
• 5.1.1 数据获取与准备
• 5.1.2 数据分析
• 5.1.3 数据可视化展示
• 5.2 实验结果分析
• 5.2.1 用户群体特征分析实验结果
• 5.2.2 组织探测算法实验结果
• 5.3 本章小结
• 6 总结与展望
• 6.1 论文工作总结
• 6.2 未来研究展望
• 参考文献
• 学位论文数据集