检索结果-南通市图书馆

基于重叠社区划分的综合立体交通客运网络研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于重叠社区划分的综合立体交通客运网络研究

作者：曹雨薇西安邮电大学

学位级别：硕士

为提高综合立体客运交通区域间的互连互通能力和综合客运方式间统筹协调发展能力。本文以综合立体交通客运系统为研究对象,基于复杂网络相关理论,根据不同客运方式城市间的实际客运线路分别构建单层的高铁、普铁、高速公路、国道和航空... 详细信息

为提高综合立体客运交通区域间的互连互通能力和综合客运方式间统筹协调发展能力。本文以综合立体交通客运系统为研究对象,基于复杂网络相关理论,根据不同客运方式城市间的实际客运线路分别构建单层的高铁、普铁、高速公路、国道和航空客运关系网络,并通过每一层网络中的公共客运城市将各个客运关系网络层连接在一起组成综合立体交通客运关系网络。并采用适用于网络整体结构分析的社区划分方法,由于网络中的大多数客运节点城市存在于多个客运关系网络层中,具备多重属性。因此,本文选用社区划分方法中的重叠社区划分方法,根据同一节点城市具备的不同性质划分到不同社区中。最后,通过分析重叠社区划分的结果,甄别出综合立体交通客运系统发展中存在的问题,并提出相应的政策建议。研究发现,高速公路层和普通国道层与其他客运层的互连互通程度均较高,普铁层和航空层均与其他客运层的互连互通程度均较低;综合立体交通客运关系网络被划分为11个重叠社区时,呈现出社区内部连接最为紧密,社区间连接最为稀疏;西北地区的甘肃省和新疆维吾尔自治区在综合立体交通客运系统中的融入不足、各个地区间的一体化融合发展程度较低、不同地区的部分影响力节点城市在综合客运系统中发展不均衡。针对相应的问题,本文从各地区间一体化融合发展和综合客运方式间统筹协调发展两个角度提出了相应的政策建议。

关键词：综合立体交通重叠社区划分多层网络复杂网络理论

融合元路径和重叠社区划分的异质网络表示推荐算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合元路径和重叠社区划分的异质网络表示推荐算法研究

作者：黄萌吉林大学

学位级别：硕士

随着互联网行业的蓬勃发展,一个平台能够始终保持对用户的吸引力并为之提供优质的网络服务质量成为对各个大互联网厂商的首要任务。推荐服务由于其可以帮助用户从大量的数据中挑选满足用户需求的数据信息,因此可以说是能够增强用户体验... 详细信息

随着互联网行业的蓬勃发展,一个平台能够始终保持对用户的吸引力并为之提供优质的网络服务质量成为对各个大互联网厂商的首要任务。推荐服务由于其可以帮助用户从大量的数据中挑选满足用户需求的数据信息,因此可以说是能够增强用户体验、并提升平台对用户黏性最重要的工具之一。早期的推荐系统是通过分析评分矩阵,利用用户与项目的隐特征表示进行推荐,由于其考虑因素片面,同时获取的数据信息常常过于稀疏,导致推荐的结果往往无法达到理想的效果。因此后续很多研究考虑在以往经典的模型中增加辅助信息以提高推荐结果。在真实的推荐系统中,用户与项目的交互动作(包括购买、收藏、评分),及用户与项目的属性信息的集合,可以看作是由不同含义的边及节点构成的网络,即异质信息网络。异质信息网络由于其可以表达复杂信息,在推荐系统中可以捕捉更加精准的特征表示,因此在推荐领域中受到越来越多的重视。多数基于异质网络的推荐模型都是先通过预设好的元路径提取节点的特征向量表示,然后对评分矩阵进行拟合实现评分预测。虽然现有的基于异构网络的方法在提升准确度方面已经有了一定的成效取,但大多数方法依然存在以下问题:(1)仅利用单一元路径提取节点信息,面临稀疏数据时无法得到节点的精准表示;(2)融合多条元路径信息时忽视了用户对于不同路径语义的偏好,造成复杂网络中节点表示不够精确;(3)在交互信息量庞大的密集数据集中,融合多条元路径信息容易引入噪声信息,造成节点偏好表示不准确;(4)基于异构网络的推荐容易过多的考虑节点之间偏向结构关联的表示,而忽视对包含具体语义的标签相似度信息。为了达到在海量数据构成的多关系网络中引入全面的结构信息进行精准推荐的目标,针对以上4个问题,本文完成了如下工作:1.针对问题(1)、(2)本文提出了融合元路径网络表示学习的推荐算法(A recommendation algorithm for representation learning based on meta path network),简称ME-Rec。我们发现用户对项目的评分偏好与元路径的隐特征表示有很强的关联,因此先利用随机游走策略获取基于不同元路径的节点序列,针对不同路径利用metapath2vec++算法学习用户与项目在统一维度空间的隐向量表示,然后基于注意力机制利用多层感知机MLP学习节点对于不同元路径的偏好权重,并计算出全局表示向量,最后结合矩阵因子分解的推荐模型,利用路径结构Hetesim相似度对评分矩阵分解出的隐因子向量进行约束,对项目评分进行预测。通过在两个被广泛使用的不同密度真实数据集Movielens和Amazons进行参数分析与对比实验,得到模型在不同密度数据集上性能最优时的参数设置,在对比实验中验证了该模型较传统矩阵分解和基于异质网络的推荐算法都有一定的提升,尤其是可以提高数据稀疏时的是预测精度。2.为了进一步解决在交互密度大的数据集中,融合多条元路径的推荐容易引入过多噪声的问题,也就是针对问题(3)、(4)本文提出了一个在多关系网络中融合网络重叠社区与标签相似度的推荐算法(A recommendation algorithm combining overlapping community partition and label similarity),简称CPLS-Rec。我们通过社团划分领域中的种子扩张与社区标签传递概念,对异质信息网络中的用户、项目节点分别进行聚类,根据网络结构信息划分重叠社区,同时引入标签相似度作为社交正则化约束,结合经典矩阵分解模型进行协同过滤推荐。我们发现该方法可以有效地根据用户的社会关系与拓扑结构挖掘出用户的社团归属,不仅降低了大规模数据集时的计算复杂度,还可以提高当用户项目交互信息稀疏时对用户偏好提取的准确度。通过在两个被广泛应用于融合社交网络的不同密度真实数据集Douban Movies和Yelp上进行了参数分析实验,得到模型在不同比例训练集下使性能达到最优时的参数设置,然后与其他同类型算法进行对比实验,证明该模型较经典基于社交网络的算法和基于异构网络的推荐算法都可以有较为优异的表现,可以提升对项目评分的准确度,尤其是在信息密度大的推荐环境中可以避免噪声数据带来的影响。

关键词：异质网络网络表示元路径重叠社区划分协同过滤推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于主题的微博重叠社区发现研究

基于主题的微博重叠社区发现研究

作者：雷俐中南财经政法大学

学位级别：硕士

互联网快速发展的步伐将Facebook、Twitter、新浪微博等微博网络融入到大众生活中。在微博网络中,无数用户不仅可以书写自己的日常经历,而且可以转发其关注的其他用户发布的内容。同时,每个用户自身还填写有地址、标签等属性信息。因此... 详细信息

互联网快速发展的步伐将Facebook、Twitter、新浪微博等微博网络融入到大众生活中。在微博网络中,无数用户不仅可以书写自己的日常经历,而且可以转发其关注的其他用户发布的内容。同时,每个用户自身还填写有地址、标签等属性信息。因此,微博网络承载着巨大的信息量。通过社区发现可以将网络用户按照兴趣爱好或者互动频率、属性等信息分到各个社区中。假如以兴趣爱好来对用户分组,将每种兴趣爱好分别看做一个社区,那么拥有不只一种兴趣爱好的用户就会同时出现在多个社区中,这时就出现了重叠社区。本文提出基于主题的微博重叠社区发现方法,其中包括两部分——基于主题分布的微博重叠社区发现方法,以及基于主题传播的微博重叠社区划分方法。这两部分的区别主要是研究对象不同,前者研究微博平台上目前已存在的微博用户,而后者研究刚注册使用微博的新用户。由于社区发现能帮助微博平台上目前已有的用户找到其所属的多个社区,但当平台上又出现一些除现有用户以外的新用户,并要获取这些新用户的社区分布时,如果再对新用户与之前已经实现社区发现的用户一起重新进行社区发现,不仅使之前的社区发现结果对之后的工作没有起作用,而且会加大工作量。所以本文又在社区发现基础上提出社区划分,来将微博平台的新用户定位到之前经过对微博平台上已有用户进行社区发现得到的各个社区中,而不用重新进行社区发现。其中,本文提出的基于主题分布的微博重叠社区发现方法,通过LDA主题模型获取微博平台已有用户的多条微博组成的长文档包含的多个主题,以每个主题为一个社区,将用户按照其长文档的多个主题分到多个社区。本文与传统使用LDA的工作不同之处在于,除了将文档中的词按照概率分到各个主题下,本文还根据主题下分布概率较大的各个词语的含义判断每个主题的实际意义,例如音乐、旅游等,而不单单用序号区别每个主题,这样就能知道微博用户所属社区的真正含义,具有实际意义。同时,为了避免在为微博网络中出现的新用户找到其社区分布时将其与之前已实现社区发现的用户放在一起来重新进行社区发现,本文又提出基于主题传播的微博重叠社区划分方法,构造词语关系网络,将已知社区分布的用户微博中与未知社区分布的新用户微博中关键词最为相似的词语的主题传播给其关键词,然后根据其微博内容的关键词获取到的主题分布,将未知社区分布的新用户定位到之前经过社区发现得到的各个社区中。最后,针对本文提出的方法,本文利用爬虫技术爬取Twitter用户微博进行实验。实验结果表明基于主题分布对微博用户进行重叠社区发现的查全率达到75.4%,基于主题传播对微博用户进行重叠社区划分的查全率达到84.72%,效果较好。

关键词：微博主题分布重叠社区发现主题传播重叠社区划分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社交网络中信息溯源算法研究

社交网络中信息溯源算法研究

作者：于欢中国矿业大学

学位级别：硕士

信息溯源是社交网络分析领域的研究热点。根据源节点数量,信息溯源分为单源溯源和多源溯源。在单源溯源方面,现有算法侧重于后验估计,忽略了先验估计对溯源的作用和价值,导致溯源的准确率较低、错误距离较大、标准化排名精确度不高。在... 详细信息

信息溯源是社交网络分析领域的研究热点。根据源节点数量,信息溯源分为单源溯源和多源溯源。在单源溯源方面,现有算法侧重于后验估计,忽略了先验估计对溯源的作用和价值,导致溯源的准确率较低、错误距离较大、标准化排名精确度不高。在多源溯源方面,基于感染网络划分是一类常用且有效的方法,但这类算法忽略不同感染区域间的重叠问题,导致划分效果不佳,划分后的感染区域内部单源溯源性能较差。针对上述两类溯源算法存在的缺陷与不足,本文主要完成了以下工作:提出了一种基于先验估计的单源溯源算法。该算法充分考虑真实源节点参与感染过程最长,尝试感染邻居节点次数最多,其邻居节点感染比例最大的特点,根据邻居节点中感染节点和未感染节点的数量关系计算源节点的先验估计值,有效弥补了现有溯源算法在先验估计方面的不足。人工网络和真实网络的实验结果表明,本文所提出的基于先验估计的单源溯源算法检测率较高、错误距离较小、真实源节点标准化排名精确度较高。提出了一种基于重叠社区划分的多源溯源算法。该算法通过对感染网络进行重叠社区划分,有效解决感染区域的重叠问题,并通过检测出的社区数量确定真实源节点的个数。在划分出的每个重叠感染区域内运用基于先验估计的单源溯源算法进行溯源,从而完成多源溯源任务。人工网络和真实网络的实验结果表明,本文所提的基于重叠社区划分的多源溯源算法具有源节点数量检测准确率高、最小感染区域重合率高、错误距离小等优势;并且,随着网络的变化,本文算法表现出了良好的稳定性。本文提出了两种解决溯源问题的算法,改善了现有算法存在的一些不足。本文提出的基于先验估计的单源溯源算法解决了现有算法忽略先验估计对溯源的作用和价值问题;本文提出的基于重叠社区划分的多源溯源算法解决了感染区域重叠问题。与现有算法相比,两种算法表现优异,效果良好。该论文有图17幅,表8个,参考文献78篇。

关键词：社交网络先验估计重叠社区划分单源溯源多源溯源

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于局部优化的重叠社区发现方法研究

基于局部优化的重叠社区发现方法研究

作者：肖永嘉重庆大学

学位级别：硕士

现实世界中的很多事物都是以网络形态存在的,例如在线社交,人际关系,人体蛋白质模型等。随着人们对复杂网络研究的深入,社区结构作为复杂网络中的一个重要特性被逐渐重视起来。社区能够有效地反应网络中节点之间的关系,对于复杂网络中... 详细信息

现实世界中的很多事物都是以网络形态存在的,例如在线社交,人际关系,人体蛋白质模型等。随着人们对复杂网络研究的深入,社区结构作为复杂网络中的一个重要特性被逐渐重视起来。社区能够有效地反应网络中节点之间的关系,对于复杂网络中社区结构的研究有助于人们更加深入的了解网络系统的结构特性及其演化规律,以便人们更好的改善现实生活。这也正是近年来社区发现问题成为复杂网络领域研究热点的原因。而重叠社区的发现可以更为准确的理解网络内部的拓扑结构信息,在近些年的研究中得到了越来越多的关注。针对重叠社区的发现问题,目前已出现了许多研究成果,总体上可以分为全局优化和局部优化两大类。基于全局优化的社区发现方法主要从全局的角度划分整个网络,需要整个网络结构信息,目前主要包括图划分、层次聚类、模块度优化、谱聚类及基于模型的方法等。基于局部扩展的方法一般根据定义的社区局部度量,从给定的初始节点逐步合并引起最大的社区度量增量的近邻节点,如局部扩展优化、标签传播、派系过滤、局部边聚类优化等,并在社交网络分析中有广泛的应用。本文围绕局部拓展优化中的代表算法LFM,针对其在社区划分过程中存在的划分速度较慢和结果不够稳定两大问题开展研究,提出针对性的解决方案。本文主要研究工作包括如下:首先,针对LFM算法划分速度较慢的情况,提出了一种基于“核心区域”的改进LFM算法,在改进算法中提出了“核心区域”的概念,并论证在社区的拓展阶段,如果一个邻接点属于该节点的核心区域则可以不必再次重复计算适应度函数值,从而减少计算时间,达到提高社区划分速度的目的。其次,针对LFM算法得到的社区划分结果不够稳定的问题,提出了一种基于种子节点筛选的改进LFM算法。主要思路是:借鉴GCE算法和CPM算法的思想,在算法开始时选择较为优质的节点作为种子节点即对初始的种子节点进行筛选。具体做法是:引入临节点度阈值k,对于邻接点度达不到阈值的节点不会被加入种子节点库,从而对达到筛选优质节点作为种子节点的目的,进而优化社区划分结果。最后,对上述提出的两种改进算法,分别在真实网络数据集和人工合成网络数据集中进行实验验证。对于真实网络数据集,我们选取的是认同度较高的Zachary’s karate club,American College football,Dolphin social network等五组公开数据集,使用模块度函数作为评价指标。人工合成网络数据集则是采用LFR基准程序进行构造,使用NMI作为评价指标。同时与LFM算法,CPM算法及Copra算法进行比较。实验结果显示,本文提出的改进算法能够提高社区划分速度,并提升划分结果的稳定性。

关键词：重叠社区划分局部扩展 LFM 核心区域种子节点筛选

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于二分网络的多维度推荐技术研究

基于二分网络的多维度推荐技术研究

作者：熊湘云苏州大学

学位级别：硕士

随着互联网的发展，电子商务逐步融入到人们的生活中，为人们带来便利的同时，也使人们在面对大量的商品和服务信息时无所适从，信息超载问题日益严重。推荐技术是解决信息超载问题最有效的技术手段之一，已由简单的为用户甄别商品，扩... 详细信息

随着互联网的发展，电子商务逐步融入到人们的生活中，为人们带来便利的同时，也使人们在面对大量的商品和服务信息时无所适从，信息超载问题日益严重。推荐技术是解决信息超载问题最有效的技术手段之一，已由简单的为用户甄别商品，扩展到为商家促进销售、提升商品与服务的品牌形象。在理论研究领域，也已引起众多学者的关注，二分网络在推荐技术中的应用，进一步促进了推荐技术的发展。为研究二分网络的结构特点及其在推荐技术中的应用，本文在对推荐技术现状和二分网络已有理论深入研究的基础上，提出了基于二分网络的多维度推荐技术框架，该框架通过在得到的二分重叠社区结构上，结合三种基本推荐模型，实现最终推荐。本文的研究工作主要分为以下几个方面：（1）根据传统的基于二分网络投影的推荐技术，提出了基于二分网络投影的多维度推荐算法，在构建的三个维度推荐模型的基础上，以动态自适应的方法确定三个维度推荐模型的权因数，实现最终推荐，有效解决了推荐结果准确性和多样性之间存在的矛盾问题。（2）利用仿射传播聚类结果准确，在处理大型数据方面的优势，提出了基于仿射传播的二分重叠社区发现算法，通过将仿射传播聚类方法应用到二分网络边社区划分中，得到重叠的顶点社区。该算法可实现局部社区划分，得到分层、嵌套和重叠的二分社区，同时能降低社区划分的复杂度。（3）通过分析上述算法得到的社区结构，提出了基于二分社区的多维度推荐算法，利用二分网络投影的多维度推荐算法，实现社区内部、社区间及重叠社区的多维度推荐，有效提高了推荐的准确性和多样性。本文还为文中提出的技术与方法设计了实验，最后通过对实验结果的分析，验证了本文提出算法的有效性。

关键词：二分网络投影多维度推荐重叠社区划分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LFM算法的改进社区发现算法

现代计算机（中旬刊） 2017年第5期 21-25,48页

作者：肖永嘉朱征宇重庆大学计算机学院重庆400000

由于能够反映网络内部结构,重叠社区划分在各领域有着越来越重要的作用。LFM算法是其中较为流行的一种社区划分方法。但其存在一些缺点,例如在网络变得庞大和复杂的时候,时间消耗会变得巨大。为了解决这一问题,提出核心区域的概念,并藉... 详细信息

由于能够反映网络内部结构,重叠社区划分在各领域有着越来越重要的作用。LFM算法是其中较为流行的一种社区划分方法。但其存在一些缺点,例如在网络变得庞大和复杂的时候,时间消耗会变得巨大。为了解决这一问题,提出核心区域的概念,并藉此对LMF算法进行改进。最后通过实验验证,发现该算法能够减小时间消耗,同时能够得到更为可靠的社区划分。

关键词：重叠社区划分 LFM 核心区域