在線社會網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)技術(shù)及其應(yīng)用研究.pdf

1、隨著Web2.0的飛速發(fā)展，在線社會網(wǎng)絡(luò)OSNs(Online SocialNetworks)作為其中一種實用的、新興的交友模式已經(jīng)成為人們生活和工作中不可或缺的一部分。在線社會網(wǎng)絡(luò)中的人們通過各種關(guān)系相互聯(lián)系在一起，形成了一個個內(nèi)容豐富、關(guān)系復(fù)雜的社區(qū)。面對商業(yè)領(lǐng)域的實際應(yīng)用，目前對社區(qū)的研究面臨兩大挑戰(zhàn)。一是，由于在線社會網(wǎng)絡(luò)的虛擬性和開放性，如何自動發(fā)現(xiàn)其中的社區(qū)成為一個亟待解決的問題。二是，社區(qū)作為一個新的營銷領(lǐng)域，如何有效評估

2、用戶在社區(qū)中的社會影響力也成為一個備受關(guān)注的焦點問題。
　　 本論文首先介紹了基于節(jié)點屬性相似性的社區(qū)發(fā)現(xiàn)算法（簡稱為NAS算法）和基于共有鄰居相似性的社區(qū)發(fā)現(xiàn)算法（簡稱為CNS算法），并針對這些算法中的缺點，基于在線社會網(wǎng)絡(luò)的獨有特性，提出了用戶緊密度的概念，設(shè)計了一種基于用戶緊密度的社區(qū)發(fā)現(xiàn)算法（簡稱為UTCD算法）。該算法首先對所有邊計算用戶緊密度，然后用層次聚類算法對其進行處理，以便發(fā)現(xiàn)社區(qū)。最后通過模塊度測試和正確率測

3、試來驗證算法的有效性。實驗結(jié)果表明，本文所提出的算法比NAS算法和CNS算法發(fā)現(xiàn)的社區(qū)凝聚度更高，正確率更高。
　　 另外，本論文通過分析在線社會網(wǎng)絡(luò)社區(qū)的獨特結(jié)構(gòu)及其中的人際互動行為，發(fā)現(xiàn)朋友數(shù)量和質(zhì)量以及社區(qū)標簽是影響用戶影響力的三大主要因素。為了更有效地評估用戶在社區(qū)中的社會影響力，提出了影響能力和社區(qū)標簽的概念，設(shè)計了一種用戶社區(qū)影響力UCI(User Community Influence)的評估模型。本論文的初始模型