异质网络中的社区挖掘技术研究

论文摘要

信息技术的进步,加快了互联网的普及。随着网民数量的增加,各类web站点的大量上线,web页面的大量增加或更新,互联网之中已经逐渐诞生了类似于现实社会的社会网络(social network)。社会网络分析(social network analysis)将web社会看作一个网络或图,图结点则是社会中的对象,结点之间的边则是社会中对象之间的社会关系。因为社会对象本身的属性比较复杂,对应的社会对象之间的关系也多种多样,因此该图往往很复杂。社区挖掘(community mining)是社会网络分析研究领域中的一个研究方向。在网络中挖掘自发而成的、有用的、相对稳定的社区,对网络信息的获取与挖掘、信息推荐以及网络演化的预测具有重要的研究价值。不仅如此,社区挖掘技术还极具商业价值,社区挖掘技术能发现隐藏在网页之下的信息,实现客户市场的细分,商业公司可以据此实行目标性更强的营销策略。目前大多数已有的社区挖掘方案都是将社会网络建模为同质(homogeneous)网络,然而真实的社会网络中却存在着大量异质(heterogeneous)的web对象,web对象之间的关系也多种多样,因此,基于同质网络的社区挖掘方案难免会无法准确地区分各类web对象以及对象之间的关系。针对目前web社区挖掘基于同质网络的现状,通过考察论坛社区结构,本文提出了一种基于异质网络的社区挖掘方案,可以更准确更全面地表示社区结构,并对本文的研究内容——意见领袖社区进行了定义。借鉴经典的web结构挖掘算法HITS算法的页面权威度概念与PageRank算法的投票机制,提出一种针对异质网络结构的web论坛意见领袖社区挖掘算法FOLCM(Forum Opinion Leaders Community Mining),用以量化论坛用户的社区影响力。并在此基础上设计实现了一个完整可用的社区挖掘系统,用以挖掘论坛社区中具有较高舆论导向能力的意见领袖群体。使用大量真实的web论坛数据进行了实验,实验证明,本文提出的社区挖掘方案能够较准确地挖掘互联网论坛中的意见领袖社区。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 1.4 论文结构安排
• 第2章 异质网络
• 2.1 异质对象与异质关系
• 2.2 异质网络
• 2.3 论坛中的异质网络
• 2.4 本章小结
• 第3章 社区影响力指数计算
• 3.1 社区影响力演化模式
• 3.2 社区影响力指数
• 3.3 论坛意见领袖社区挖掘算法FOLCM
• 3.3.1 HITS
• 3.3.2 PageRank
• 3.3.3 意见领袖社区挖掘算法FOLCM
• 3.4 本章小结
• 第4章 意见领袖挖掘社区挖掘系统
• 4.1 系统整体架构
• 4.2 意见领袖社区挖掘系统实现
• 4.2.1 数据预处理模块
• 4.2.2 对象及关系提取模块
• 4.2.3 社区影响力指数计算模块
• 4.2.4 意见领袖社区构建模块
• 4.3 系统测试
• 4.3.1 实验方案
• 4.3.2 实验环境与实验数据
• 4.3.3 实验结果与分析
• 4.4 本章小结
• 结论
• 参考文献
• 致谢