多关系社会网络节点重要性研究
发布时间：2023-10-19 20:24
在线社交媒体的兴起,使得人类社会活动呈现出多元化特性,参与各类社会活动的实体间构成了关系错综复杂的社会系统。相比于单关系网络这种简化的网络科学框架,多关系网络能够更加完整地表征节点间多样化的关系特性,日趋成为社会网络分析的主流。网络中各实体体现出的异质特性往往影响着网络的结构和功能,研究多关系社会网络的节点重要性,有利于提升对真实社会系统的科学认知水平和有效利用能力,对控制疫情扩散、引导舆论传播等具有重大现实意义。然而,迄今发展起来的节点重要性分析框架主要致力于单关系网络,对于多关系网络的节点重要性研究尚缺乏系统性的研究成果,如何对多关系社会网络进行建模和表示,针对多关系网络的结构特性设计实用有效的节点重要性排序方法已成为充满挑战性的课题之一。因此,论文通过引入多层网络分析方法和基于D-S证据理论的多源信息融合技术,系统地研究了多关系社会网络节点重要性排序的相关问题。主要研究工作如下:(1)研究了多关系社会网络建模和表示问题,在分析现有研究对多关系社会网络建模方法优劣的基础上,基于多层网络模型和张量表示框架,针对多关系社会网络的结构特点进行了抽象和简化,研究并提出了多关系网络的图定义;...
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 多关系社会网络研究现状
1.3 节点重要性研究现状
1.3.1 节点重要性排序方法
1.3.2 节点重要性排序方法的评价
1.4 本文主要研究工作
1.5 本文组织结构
2 相关理论和技术基础
2.1 多关系网络的表示框架和基本度量
2.1.1 哑指标规则与爱因斯坦求和约定
2.1.2 多关系网络的图定义
2.1.3 多关系网络的张量表示框架
2.1.4 多关系网络的矩阵表示框架
2.1.5 多关系网络的基本度量指标
2.2 节点重要性的评价标准
2.2.1 基于网络的鲁棒性和脆弱性评价
2.2.2 基于网络的传播动力学特性评价
2.3 信息融合与D-S证据理论
2.3.1 辨识框架和基本概率分配
2.3.2 Dempster-Shafer组合规则
2.3.3 证据理论融合框架
2.4 本章小结
3 面向多关系无向网络的节点重要性排序方法
3.1 无向社会网络中节点重要性的影响因素
3.1.1 中心性
3.1.2 传递性
3.2 基于Cluster Rank的节点重要性排序方法
3.2.1 Cluster Rank基本思想
3.2.2 多重Cluster Rank排序方法
3.3 基于证据理论的节点重要性排序方法
3.3.1 基于证据理论的节点重要性量化思想和基本框架
3.3.2 多重证据中心性
3.4 复杂度分析
3.5 实验评价及结果分析
3.5.1 实验环境与数据集
3.5.2 运行时间评价
3.5.3 中心性和传递性间的相关性分析
3.5.4 鲁棒性与脆弱性评价
3.5.5 SIR传播特性评价
3.6 本章小结
4 面向多关系有向网络的节点重要性排序方法
4.1 有向社会网络中节点重要性的影响因素
4.2 基于IO-Cluster Rank的节点重要性排序方法
4.2.1 IO-Cluster Rank基本思想
4.2.2 IOMCR排序方法
4.3 IOMEC排序方法
4.4 复杂度分析
4.5 实验评价及结果分析
4.5.1 实验环境与数据集
4.5.2 运行时间评价
4.5.3 中心性、声望、传递性间的相关性分析
4.5.4 鲁棒性和脆弱性评价
4.5.5 SIR传播特性评价
4.6 本章小结
5 面向多关系有向加权网络的节点重要性排序方法
5.1 有向加权网络中节点重要性的影响因素
5.2 基于行为次数的关系亲密度量化方法
5.3 多重强度证据中心性排序方法
5.4 基于SIR模型的节点重要性方法评价
5.4.1 加权网络中的SIR模型传播概率设置
5.4.2 SIR传播特性评价
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间的研究成果
本文编号：3855344
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 多关系社会网络研究现状
1.3 节点重要性研究现状
1.3.1 节点重要性排序方法
1.3.2 节点重要性排序方法的评价
1.4 本文主要研究工作
1.5 本文组织结构
2 相关理论和技术基础
2.1 多关系网络的表示框架和基本度量
2.1.1 哑指标规则与爱因斯坦求和约定
2.1.2 多关系网络的图定义
2.1.3 多关系网络的张量表示框架
2.1.4 多关系网络的矩阵表示框架
2.1.5 多关系网络的基本度量指标
2.2 节点重要性的评价标准
2.2.1 基于网络的鲁棒性和脆弱性评价
2.2.2 基于网络的传播动力学特性评价
2.3 信息融合与D-S证据理论
2.3.1 辨识框架和基本概率分配
2.3.2 Dempster-Shafer组合规则
2.3.3 证据理论融合框架
2.4 本章小结
3 面向多关系无向网络的节点重要性排序方法
3.1 无向社会网络中节点重要性的影响因素
3.1.1 中心性
3.1.2 传递性
3.2 基于Cluster Rank的节点重要性排序方法
3.2.1 Cluster Rank基本思想
3.2.2 多重Cluster Rank排序方法
3.3 基于证据理论的节点重要性排序方法
3.3.1 基于证据理论的节点重要性量化思想和基本框架
3.3.2 多重证据中心性
3.4 复杂度分析
3.5 实验评价及结果分析
3.5.1 实验环境与数据集
3.5.2 运行时间评价
3.5.3 中心性和传递性间的相关性分析
3.5.4 鲁棒性与脆弱性评价
3.5.5 SIR传播特性评价
3.6 本章小结
4 面向多关系有向网络的节点重要性排序方法
4.1 有向社会网络中节点重要性的影响因素
4.2 基于IO-Cluster Rank的节点重要性排序方法
4.2.1 IO-Cluster Rank基本思想
4.2.2 IOMCR排序方法
4.3 IOMEC排序方法
4.4 复杂度分析
4.5 实验评价及结果分析
4.5.1 实验环境与数据集
4.5.2 运行时间评价
4.5.3 中心性、声望、传递性间的相关性分析
4.5.4 鲁棒性和脆弱性评价
4.5.5 SIR传播特性评价
4.6 本章小结
5 面向多关系有向加权网络的节点重要性排序方法
5.1 有向加权网络中节点重要性的影响因素
5.2 基于行为次数的关系亲密度量化方法
5.3 多重强度证据中心性排序方法
5.4 基于SIR模型的节点重要性方法评价
5.4.1 加权网络中的SIR模型传播概率设置
5.4.2 SIR传播特性评价
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间的研究成果
本文编号：3855344
本文链接：https://www.wllwen.com/kejilunwen/yysx/3855344.html