基于主题模型的社会网络分析算法研究

论文摘要

社会网络分析是对社会网络图以及其包含的额外信息的分析。近年来,在线社交网络的兴起,给社会网络分析带来新的挑战和机遇,其中链接预测和社团发现是社会网络分析非常重要的两个问题。链接预测是指发现网络中现在缺失或者将来可能产生的链接。社团发现是指在网络中找到多个节点集,其中每个节点集包含相似的节点。本文基于LDA模型运用节点包含的文本信息以及结构信息进行社会网络分析。首先,对社会网络分析进行了整体的介绍,介绍了社会网络分析中的多个研究点,重点介绍了链接预测和社团发现的经典算法。然后提出了基于主题模型的协作演化链接预测算法。该算法首先对节点文本数据进行LDA建模,得到建模后得到的文档主题分布参数,利用协作和演化的思想对该参数进行更新,使用得到的新参数计算文档基于LDA的相似矩阵,用相似矩阵和原来的邻接矩阵构成新的网络结构图,最后计算基于协作演化的资源分配相似测度(RA),进行链接预测。实验表明,在链接比较少以及节点包含文本信息的网络中,用该算法进行链接预测有比较好的效果。最后提出了基于主题协作演化社团发现算法。该算法首先对文本数据进行LDA建模,对建模后得到的文档主题分布参数利用协作和演化的思想进行更新,计算文档基于LDA的相似矩阵,基于结构信息计算资源分配相似测度(RA),得到结构相似矩阵,将两个相似矩阵融合成新的相似矩阵,基于相似矩阵,用谱聚类对网络进行社团发现。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 研究现状
• 1.3 论文研究内容
• 1.4 论文组织
• 第二章 社会网络分析算法介绍
• 2.1 社会网络的常见现象
• 2.2 社会网络中的文本挖掘
• 2.2.1 分类
• 2.2.2 聚类
• 2.3 网络演化
• 2.3.1 时间信息的处理方式
• 2.3.2 几种网络演化模型
• 2.4 社会网络中的链接预测
• 2.4.1 基于局部结构信息节点相似度的算法
• 2.4.2 基于全局结构信息节点相似度的算法
• 2.5 社会网络中的社团发现
• 2.5.1 图分割算法
• 2.5.2 聚类算法
• 2.5.3 分裂算法
• 2.6 本章小结
• 第三章 基于主题协作演化链接预测算法
• 3.1 引言
• 3.2 文本内容分析
• 3.2.1 LSA（Latent Semantic Analysis）模型
• 3.2.2 PLSA（Probabilistic Latent Semantic Analysis）模型
• 3.2.3 LDA（Latent Dirichlet Allocation）模型
• 3.3 结构分析
• 3.4 基于主题协作演化的链接预测算法
• 3.4.1 算法总体框架
• 3.4.2 算法描述
• 3.5 实验与分析
• 3.5.1 实验环境及实验参数设置
• 3.5.2 实验结果及分析
• 3.6 总结
• 第四章 基于主题协作演化社团发现算法
• 4.1 引言
• 4.2 社团发现框架
• 4.3 谱聚类算法
• 4.3.1 奇异值分解SVD
• 4.3.2 K-means算法
• 4.4 基于谱聚类的结构主题协作演化社团发现算法
• 4.4.1 算法总体框架
• 4.4.2 算法描述
• 4.5 实验与分析
• 4.5.1 实验环境及实验参数设置
• 4.5.2 实验结果及分析
• 4.6 总结
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间参与的科研课题
• 致谢