開源情報中的多目標關聯(lián)分析技術(shù)研究.pdf

1、密級桂林電子科技大學碩士學位論文題目題目開源情報中的多目標關聯(lián)分析技術(shù)研究（英文）（英文）Researchonanalysistechnologyofmultiobjectivecrelationinopensourceintelligence研究生學號:1303201014研究生姓名:張嬙嬙指導教師姓名、職務指導教師姓名、職務:黃廷磊教授申請學位門類:工學碩士學科、?？啤I(yè)名稱:計算機科學與技術(shù)提交論文日期:2016年4月論文答辯日

2、期:2016年6月摘要I摘要隨著互聯(lián)網(wǎng)的快速發(fā)展，信息存在的形式越來越多樣化、復雜化，如何從繁雜信息中獲取潛在的有價值的信息是一項十分艱巨的任務。信息個體的差異，往往導致不同信息個體在網(wǎng)絡中具有不同的重要等級，影響力大的個體作為整個信息網(wǎng)絡的樞紐節(jié)點，在促進信息傳播、預測網(wǎng)絡行為等方面都具有非常重大的意義。目前已有的影響力最大化算法中啟發(fā)式算法較傳統(tǒng)的貪心算法的時間復雜度有所降低，但其大多沒有考慮到社區(qū)結(jié)構(gòu)對信息傳播的影響，且所選取的個

3、體影響力度量因子不能有效度量節(jié)點影響力，使得影響力傳播范圍受限。如何在較短時間內(nèi)選取出能使影響力傳播范圍達到最大的影響力個體具有非常重要的理論和現(xiàn)實意義。首先，本文提出了一種基于聚類分析的二分網(wǎng)絡社區(qū)挖掘算法。將二分網(wǎng)絡映射到單一網(wǎng)絡進行社區(qū)挖掘，針對無權(quán)投影和加權(quán)投影在二分網(wǎng)絡映射過程中的缺陷，采用資源矩陣量化節(jié)點，挖掘出了同類節(jié)點間的隱含信息，有效地保證了原圖信息。與傳統(tǒng)的譜聚類算法相結(jié)合，采用資源矩陣替代譜聚類算法中的相似度矩陣，

4、提高了社區(qū)挖掘的準確性；將模塊度函數(shù)概念運用到聚類分析中，用模塊度衡量社區(qū)挖掘的質(zhì)量，有效解決了自動確定聚類數(shù)目的問題。在實際網(wǎng)絡上進行對比實驗，實驗結(jié)果表明本文所提算法不但能較準確的獲得二分網(wǎng)絡的社區(qū)數(shù)目，且在不需要任何額外參數(shù)的情況下，能獲得很好的劃分效果。其次，將影響力最大化算法與二分網(wǎng)絡的社區(qū)特性結(jié)合，在社區(qū)內(nèi)部進行影響力最大化研究，針對傳統(tǒng)的貪心算法時間復雜度太大的問題，提出了一種綜合多種影響力度量因子的啟發(fā)式算法。將反應網(wǎng)絡