基于微博社交网络结构的虚拟社区识别研究

来源 :辽宁工程技术大学 | 被引量 : 0次 | 上传用户:liwei20062
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
微博社区识别是基于现实生活中的人发展起来的,具有依赖的真实性、联系的方向性、信息的海量性等特点。传统的社区识别技术大多是基于随机网络的研究,具有数据量比较小、时间复杂度高等特点,识别效果不能满足要求。本文从微博社交网络的结构研究出发,以微博社交网络作为研究平台,社会学中的分类聚类算法为基础,对微博用户间的关系进行分析,研究发现微博社交网络用户中存在着少量的一对多和大量的多对多关系。在此基础上提出了基于微博星网状子图结构的社区识别算法,并对算法进行了性能、参数、误差的对比分析与改进。此外,引入基于云计算的 Hadoop数据分析平台,通过 Hadoop下的用户 Tweets信息统计分析算法,对微博海量数据分析处理,为从微博海量数据方面验证识别算法的准确性提供了依据。最后,提出微博用户社区满意度模型,对社区识别算法进行了定量分析和评估。模型可行性验证是以“新浪微博”作为数据来源,结合识别出社区内用户的实际满意情况做对比分析,充分验证了算法的可行性和有效性。
其他文献
基于视频的目标跟踪算法作为计算机视觉的重要研究方向之一,在智能交通、人机交互、生物医学以及军事领域取得了广泛的应用。但是大量的不确定因素严重影响了跟踪算法的准确率,如:光照变化、尺度变化、形变、遮挡、旋转、背景干扰等。在以无人机为相机载体进行视频跟踪时,由于目标与相机距离远,拍摄到的目标和背景特征不明显,导致跟踪变得更加艰难;而在雾霾严重的情况下,无人机跟踪更是无法实施。近年来,由于核相关滤波具有
学位
磁共振成像(MagneticResonanceImaging,简称MRI)具有较高的软组织对比度与空间分辨率,并能根据需要灵活选择成像参数与成像层面,已经广泛应用于临床。然而,由于磁共振信号的弛豫
数据挖掘是目前人工智能和数据库领域的热点问题,是指从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。聚类分析是数据挖掘领域中的重要技术之一,是数据分析的
复杂性科学是以复杂系统为研究对象的多学科交叉的前沿科学。复杂性科学的发展,将会给方法论带来突破和创新。对复杂系统的演化与涌现机理的研究是复杂系统研究的重要内容。
本文以静态数字图像作为研究对象,以基于特征点的第二代水印算法作为核心,着重研究抗几何攻击的数字水印算法。针对Harris算子提取的特征点在图像尺度变换后重复率低,特征点分布
信息隐藏技术在计算机各个领域有着深入广泛的应用,正是由于互联网络的快速发展,保密通信、版权保护、盗版追踪等安全需求也愈发重要和紧急。不同于密码学,信息隐藏技术的目
网格计算是随着互联网的发展而兴起的一门新兴技术,它将地理分布、系统异构的各种资源,如高性能计算机、大型服务器、大型通信设备等,通过计算机互联网络连接起来形成一个无缝的
在图像真实性检测领域,基于语义进行图像真实性的检测是一个比较新的研究点,该问题涉及了图像识别、特征提取、机器学习、本体构建、推理规则等众多学科领域。本文针对基于语义
评论文本含有大量信息,是进一步数据分析的重要数据源。由于网络文本的爆炸增长和评论文本本身的信息冗余性,不能有效的利用评论文本,从中获得有用信息。评论文本的对立观点摘要
随着计算机图像渲染技术的发展,计算机生成图像与自然图像在视觉上的差别变的越来越小,计算机生成图像对真实场景的模拟越来越细致入微。研究人员在对自然图像拼接进行研究的同