面向話題的社交網(wǎng)絡(luò)影響力最大化研究

《面向話題的社交網(wǎng)絡(luò)影響力最大化研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號(hào)密級(jí)UDC昆明理工大學(xué)碩士學(xué)位論文面向話題的社交網(wǎng)絡(luò)影響力最大化研究研究生姓名李少華指導(dǎo)教師姓名、職稱李衛(wèi)疆(副教授)學(xué)科專業(yè)計(jì)算機(jī)軟件與理論研究方向信息檢索論文工作起止日期2016年3月-2018年5月論文提交日期2018年5月學(xué)位論文出版授權(quán)書我同意將本人學(xué)位論文著作權(quán)中的數(shù)字化復(fù)制權(quán)、發(fā)行權(quán)、匯編權(quán)和信息網(wǎng)絡(luò)傳播權(quán)的專有使用權(quán)在全世界范圍內(nèi)授予中國學(xué)術(shù)期刊（光盤版）電子雜志社（下“”士學(xué)位論文全文數(shù)據(jù)庫簡稱雜志社），同意其在《中國優(yōu)秀博碩》和ＣＮＫＩ系列數(shù)據(jù)庫中出版，未經(jīng)雜志社書

2、面許可，我不再授權(quán)他人以數(shù)字化形式出版本文。我同意《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫出版章程》規(guī)定享受相關(guān)權(quán)益。如有任何第三方未經(jīng)雜志社許可使用本人論文，雜志社應(yīng)追究其法律責(zé)任，訴訟的全部費(fèi)用由雜志社承擔(dān)。勝訴后，由雜志社與本人按５：５的比例分配所獲賠償金。＼作者簽名：＿２１＾＿＿年＿Ｉ月日學(xué)位論文作者信息論文題目面向話題的社交網(wǎng)絡(luò)影響力最大化研宄姓名李少華學(xué)號(hào)２０１５２１０４０７３答辯日期２０１８年５月１９曰論文級(jí)別博士口碩士￥院／

3、系／所信息工程與自動(dòng)化學(xué)院專業(yè)計(jì)算機(jī)軟件與理論聯(lián)系電話Ｅｍａｉｌ＿通信地址（郵編：）備注：公開□保密（年月至年月）保密的學(xué)位論文在解密后應(yīng)遵守此協(xié)＿＿＿＿（議）－聯(lián)系電話－：０１０６２７９１９５１６２７９３１７６６２７９０６９３傳真：０１０６２７９１８１４－通信地址：北京清華大學(xué)郵局８４４８信箱采編中心郵編：１０００８４摘要摘要隨著信息網(wǎng)絡(luò)社交化的不斷發(fā)展，社交網(wǎng)絡(luò)正逐漸融入我們的生活當(dāng)中。正如微博制造話題、知乎分享知識(shí)、貼吧創(chuàng)造粉絲文化，社交網(wǎng)絡(luò)已成為越來越

4、多人的生活方式和獲取信息的平臺(tái)。如何從社交網(wǎng)絡(luò)中挖掘關(guān)鍵傳播用戶以實(shí)現(xiàn)信息的有效傳播，使其影響效果最大，在輿論引導(dǎo)、病毒營銷等領(lǐng)域具有重要意義，獲得了學(xué)術(shù)和商業(yè)界的廣泛關(guān)注并得到了深入研究。然而，當(dāng)前的社交網(wǎng)絡(luò)影響力最大化多基于社交網(wǎng)絡(luò)結(jié)構(gòu)度量用戶影響力以獲取種子集合，沒有充分考慮同一用戶在不同的話題領(lǐng)域上影響力的差異，導(dǎo)致得到的種子節(jié)點(diǎn)與待傳播的信息缺少關(guān)聯(lián)。本文在分析和總結(jié)已有工作的基礎(chǔ)上，以微博類社交網(wǎng)絡(luò)為主要研究對(duì)象，利用社交網(wǎng)絡(luò)中信息的結(jié)構(gòu)及傳播方面的特點(diǎn)，針對(duì)用戶在話題上的社交網(wǎng)絡(luò)影響力最大化問

5、題展開研究。具體研究成果包括：第一，針對(duì)社交網(wǎng)絡(luò)的話題檢測問題，本文提出使用全局向量結(jié)合LDA的話題檢測方法。對(duì)于微博類社交網(wǎng)絡(luò)，文本字?jǐn)?shù)較少，主題相對(duì)單一，詞項(xiàng)也更加稀疏。本文針對(duì)微博類內(nèi)容中海量短文本的特點(diǎn)，通過在標(biāo)注過的微博語料上進(jìn)行訓(xùn)練獲得詞項(xiàng)的相似關(guān)系，然后替換具有相同標(biāo)注且相似度大于閾值的詞項(xiàng)，然后將處理過的文本與詞表作為聚類算法的輸入得到文本話題。在真實(shí)社交網(wǎng)絡(luò)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，此方法可以有效降低模型文本緯度，降低話題檢測的困惑度，改善話題檢測的效果。第二，針對(duì)社交網(wǎng)絡(luò)中的影響力傳播問題

6、，本文結(jié)合線性閾值模型和傳染病模型的特點(diǎn)，提出改進(jìn)的傳染病模型。在此模型中，一個(gè)感染者節(jié)點(diǎn)對(duì)易感染者節(jié)點(diǎn)的影響力與二者關(guān)系強(qiáng)度正相關(guān)，不同感染者節(jié)點(diǎn)對(duì)同一易感染者節(jié)點(diǎn)的影響力可累積，達(dá)到節(jié)點(diǎn)的激活閾值時(shí)節(jié)點(diǎn)被激活，同時(shí)感染者節(jié)點(diǎn)以一定概率恢復(fù)成為免疫節(jié)點(diǎn)。在無標(biāo)度網(wǎng)絡(luò)上的實(shí)驗(yàn)表明，該模型可以對(duì)影響力傳播過程有效建模。第三，針對(duì)話題領(lǐng)域的社交網(wǎng)絡(luò)的影響力最大化問題，本文提出啟發(fā)式的影響力最大化算法。在篩選種子節(jié)點(diǎn)的過程中，首先根據(jù)入度排序建立備選種子節(jié)點(diǎn)集合，然后分析備選節(jié)點(diǎn)在話題上的影響力，并通過最大化覆蓋

7、查找種子節(jié)點(diǎn)?；诖笠?guī)模數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，本方法得到的種子集合能激活更多的節(jié)點(diǎn)，影響范圍更大。關(guān)鍵詞:全局向量模型；話題檢測；影響力傳播模型；影響力度量；影響力最大化；IAbstractAbstractWiththecontinuoussocializationofinformationnetworks,socialnetworksaregraduallybeingintegratedintoourlives.Justasweibomakestopics,zhihusharesknowledge,andp

8、ostbarcreatesfanculture,socialnetworkshavebecomeakindoflifestyleofmoreandmorepeopleandthewaytoaccessinformation.Howtoexcavatekeyusersfromsocialnetworksforeffectivedisseminationtomaximizeitsimpactisofgreatsign