社交网络中交叉群组探测技术研究(源码)
摘要：Web2.0时代，网络中空间定位技术趋于成熟，使得基于位置的社交网络（LBSNs）得到快速发展，例如Foursqure，大众点评等。发掘用户签到及相关行为的规律，并据此探测网络用户实体的群组结构，能够发现社会网络中的兴趣群体有助于深入理解用户在社会网络中的群聚行为。与此同时，用户在使用LBSNs时行为及偏好的多样性表明群组结构是交叉重叠的。本文基于用户在场地的签到（check-in)信息以及用户与场地的帧内属性，学习多模多属性以边为核心的群组聚类框架（multimode multi-attribute edge-centric coclustering framework, M2ECF），以发现LBSNs中交叉且有层次的群组。通过采用模间和帧内模式特征，聚类拥有不同社会背景的趣味相投的用户，发现社会网络中用户的群聚行为。该方法的有效性通过收集Foursquare的数据集，经过大量的实验评估来验证。
目录
摘要 ２
关键词 ２
Abstract ２
引言
1．选题背景 ３
1.1 问题的提出 ３
1.2 国内外研究状况 ４
1.3 研究意义 ５
1.4 研究的目的和内容 ５
2.问题描述 ６
2.1 群组定义 ６
2.2 聚类方法描述 ７
3.M2ECF聚类框架 ８
3.1 群组探测框架 ８
3.2 目标函数 ９
3.3 主成分分析PCA １０
3.4 模间特征描述 １１
3.5 帧内特征描述 １２
3.6 特征标准化 １４
3.7 特征融合 １４
3.8 轮廓系数 １４
4.聚类算法 １５
4.1 kmeans算法 １５
4.2 M2Clustering聚类算法 １６
4.3 凝聚的层次聚类算法 １８
4.4 HM2Clustering聚类算法 １９
5.实验过程 ２０
5.1 数据收集 ２０
5.2 特征集设置 ２０
5.3 实验环境
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
２１
5.4 实验结果 ２１
5.4.1 时间效率 ２１
5.4.2 聚类质量 ２２
5.4.3 结果分析 ２５
6.总结与展望 ２６
6.1 论文总结 ２６
6.2 工作展望 ２６
致谢 ２７
参考文献 ２８
社交网络中交叉群组探测技术研究
Reserching on Discovering Overlapping Communities in
LocationBased Social Networks
Student majoring in computer science and technology YUAN QingLiang
Tutor ZHAO Li
Abstract：The era of Web2.0,the technology of Network space positioning tends to be mature,making The location based social network (LBSNs) develop rapidly,such as Foursqure,Dazhongdianping and etc.By exploring the users and related behavior and discovering communities struct of the network user entity,we can not only find the social network of interest groups but also can understand the users in the social network cluster behavior.The diversity of user behavior and preferences in the use of LBSNs showed that the group structure is overlapping.In this paper, based on the checkin informations of user at venues and the uservenue attributes, researching a multimode multiattribute edgecentric coclustering framework (M2ECF) which have been put forward to find the cross and level of LBSNs users.By using the feature model for inter and intra, M2ECF is not only able to clustering with different social backgrounds of likeminded users but also found the cluster behavior of users in a social network . The validity of the method by collecting Foursquare data sets to verify through extensive experimental evaluation.
Key words: Communities; LBSNs; hierarchical clustering; overlapping community detection.
作为一种在线社交网络，LBSNs越来越受到人们的关注。因为它结合了用户的地理位置信息这一要素，使得用户的个人体验更加具有时空感。用户可以对地点进行checkin，公开自己的地理位置，在签到地留下评论信息，并与他人分享位置和经历。签到地可以是旅游景点、餐饮地点、名胜古迹等[1]。
与此同时，LBSNs 的人气飙升使得了解大规模群体用户行为成为可能，这能够实现许多应用，如趋势分析，直接营销，寻找潜在用户等。
群组结构在一定程度上可以反映真实社会网络的拓扑关系。群组表示了网络中具体的功能实体，对理解网络的组成有重要意义。然而，在真实网络中，节点往往并不仅仅属于一个群组，而是存在同时属于多个群组结构的“交叉节点”，与其它群组共享一些交叉节点的群组结构称为“交叉群组”。在语义网中，多义词可以在表示不同词义的群组网络中同时出现；在社会网络中，一个个体可以同时参与多个组织，例如一个人可能既参加了足球俱乐部又参加了学术研讨会，在家庭关系中扮演儿子角色而在公司关系中扮演职员角色等等。交叉群组可以看作对网络结构的一种覆盖，更加真实的反映了网络组成结构。因而挖掘网络中的交叉群组具有重要意义[2]。
1．选题背景
1.1 问题的提出
目录
摘要 ２
关键词 ２
Abstract ２
引言
1．选题背景 ３
1.1 问题的提出 ３
1.2 国内外研究状况 ４
1.3 研究意义 ５
1.4 研究的目的和内容 ５
2.问题描述 ６
2.1 群组定义 ６
2.2 聚类方法描述 ７
3.M2ECF聚类框架 ８
3.1 群组探测框架 ８
3.2 目标函数 ９
3.3 主成分分析PCA １０
3.4 模间特征描述 １１
3.5 帧内特征描述 １２
3.6 特征标准化 １４
3.7 特征融合 １４
3.8 轮廓系数 １４
4.聚类算法 １５
4.1 kmeans算法 １５
4.2 M2Clustering聚类算法 １６
4.3 凝聚的层次聚类算法 １８
4.4 HM2Clustering聚类算法 １９
5.实验过程 ２０
5.1 数据收集 ２０
5.2 特征集设置 ２０
5.3 实验环境
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
２１
5.4 实验结果 ２１
5.4.1 时间效率 ２１
5.4.2 聚类质量 ２２
5.4.3 结果分析 ２５
6.总结与展望 ２６
6.1 论文总结 ２６
6.2 工作展望 ２６
致谢 ２７
参考文献 ２８
社交网络中交叉群组探测技术研究
Reserching on Discovering Overlapping Communities in
LocationBased Social Networks
Student majoring in computer science and technology YUAN QingLiang
Tutor ZHAO Li
Abstract：The era of Web2.0,the technology of Network space positioning tends to be mature,making The location based social network (LBSNs) develop rapidly,such as Foursqure,Dazhongdianping and etc.By exploring the users and related behavior and discovering communities struct of the network user entity,we can not only find the social network of interest groups but also can understand the users in the social network cluster behavior.The diversity of user behavior and preferences in the use of LBSNs showed that the group structure is overlapping.In this paper, based on the checkin informations of user at venues and the uservenue attributes, researching a multimode multiattribute edgecentric coclustering framework (M2ECF) which have been put forward to find the cross and level of LBSNs users.By using the feature model for inter and intra, M2ECF is not only able to clustering with different social backgrounds of likeminded users but also found the cluster behavior of users in a social network . The validity of the method by collecting Foursquare data sets to verify through extensive experimental evaluation.
Key words: Communities; LBSNs; hierarchical clustering; overlapping community detection.
作为一种在线社交网络，LBSNs越来越受到人们的关注。因为它结合了用户的地理位置信息这一要素，使得用户的个人体验更加具有时空感。用户可以对地点进行checkin，公开自己的地理位置，在签到地留下评论信息，并与他人分享位置和经历。签到地可以是旅游景点、餐饮地点、名胜古迹等[1]。
与此同时，LBSNs 的人气飙升使得了解大规模群体用户行为成为可能，这能够实现许多应用，如趋势分析，直接营销，寻找潜在用户等。
群组结构在一定程度上可以反映真实社会网络的拓扑关系。群组表示了网络中具体的功能实体，对理解网络的组成有重要意义。然而，在真实网络中，节点往往并不仅仅属于一个群组，而是存在同时属于多个群组结构的“交叉节点”，与其它群组共享一些交叉节点的群组结构称为“交叉群组”。在语义网中，多义词可以在表示不同词义的群组网络中同时出现；在社会网络中，一个个体可以同时参与多个组织，例如一个人可能既参加了足球俱乐部又参加了学术研讨会，在家庭关系中扮演儿子角色而在公司关系中扮演职员角色等等。交叉群组可以看作对网络结构的一种覆盖，更加真实的反映了网络组成结构。因而挖掘网络中的交叉群组具有重要意义[2]。
1．选题背景
1.1 问题的提出
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/2262.html
