-
题名基于结构的社会网络分析
被引量：58
- 1
-
-
作者
窦炳琳
李澍淞
张世永
-
机构
复旦大学计算机科学技术学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2012年第4期741-753,共13页
-
文摘
互联网的发展和社交网站的流行为研究社会网络提供了大规模的实验平台.主要使用DBLP和Facebook数据集构建网络,采取角色连接轮廓方法从结构上进行划分,发现它们属于外围串类型;验证了社会网络的一些统计性质,比如无标度分布、稠化定律和直径缩减等;发现社会网络中存在紧密连接且直径较小的核心结构,规模中等的社区主要呈现星型结构;基于事件框架研究了社会网络中社区结构的进化,发现社区间的融合很大程度上取决于社区间直接连接的节点所构成网络的聚类系数,而社区的分裂则与该社区的聚类系数相关.
-
关键词
复杂网络
网络分类
网络性质
社区进化
社会网络
-
Keywords
complex networks
network classification
network property
community evolution
social networks
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于专利文献和知识图谱的技术预测方法研究
被引量：11
- 2
-
-
作者
邵黎明
赵志耘
许端阳
-
机构
中国科学技术信息研究所
-
出处
《科技管理研究》
CSSCI
北大核心
2015年第14期134-140,共7页
-
基金
国家软科学研究计划项目"世界主要国家创新战略和技术发展趋势跟踪研究"(2013GXS6K202)
-
文摘
在分析现有基于专利文献进行技术预测方法不足的基础上,提出一种基于专利文献和知识图谱的技术预测方法。(1)使用Google知识图谱和领域知识创建领域知识图谱;(2)依据创建的领域知识图谱对专利文献赋予标签;(3)引入社会网络社区进化研究成果,基于专利文献标签之间的网络图进行新兴技术预测。以肺癌领域技术预测为例,绘制肺癌领域知识图谱,进行方法验证并预测。验证结果显示,该方法可较好地进行技术预测。
-
关键词
表
Google知识图
社区进化
-
Keywords
technology forecast
patent analysis
knowledge graph
Mesh
community evolution
-
分类号
G306
[文化科学]
G353.1
-
-
题名一种基于派系过滤的社区进化发现研究
被引量：4
- 3
-
-
作者
阎艳
黄智兴
邱玉辉
-
机构
西南大学计算机与信息科学学院
-
出处
《重庆师范大学学报（自然科学版）》
CAS
2009年第2期90-93,共4页
-
基金
国家重点基础研究发展计划(973)(No.2003CB317008)
-
文摘
在对派系过滤方法及其相关原理进行研究基础上,分析了该方法在社区进化发现中存在的参数依赖问题,提出了一种基于派系过滤的社区进化发现方法:通过生成社区树,综合多组参数的社区发现结果,可获取网络中不同耦合度的社区的层次结构,从而发现网络中社区的进化过程。本文将该方法应用在单词关联网络中,实验结果表明,该方法能够发现各社区在进化过程中的规模、成员以及耦合度方面的变化,在一定程度上,克服了传统派系过滤方法对参数的依赖性。
-
关键词
派系过滤
社区进化
社区树
-
Keywords
clique percolation
community evolution
community tree
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于事件框架的社区进化预测研究
被引量：2
- 4
-
-
作者
张学武
沈浩东
赵沛然
张卓
李敏
许海燕
-
机构
河海大学物联网工程学院
江苏省"世界水谷"与水世界生态文明协同创新中心
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第3期729-742,共14页
-
基金
国家自然科学基金(61671202
61573128
+2 种基金
61273170)
国家"九七三"重点基础研究发展规划项目基金(2016YFC0401606)
中央高校基本科研业务费专项资金(2015B25214)资助~~
-
文摘
有效预测社交网络中的社区演化规律和趋势,在广告精准投放、网络舆论监测与引导方面具有广泛的应用前景.近年来,基于事件框架的社区进化预测建模在反映社区演化规律和趋势方面一直是热点,研究的难点在于提高预测模型的预测准确度.为解决这一难点,文中首先提出一种改进的事件框架,以新型事件框架为基础,针对不同事件分别构建有效的预测模型.其中预测模型的输入指标包括网络结构特征、社区的结构特征和社区进化特征.最后为了充分验证所建预测模型的有效性并保证预测模型的实用价值,在实验中分别用人造动态网络数据集、DBLP动态网络数据集和Facebook数据集作为实验数据集,以确保实验数据集的多样性.实验结果表明文中的预测模型针对形成、消失、保持、合并和分裂等事件的预测具有较高的准确性,结果也表明文中提出的特征指标和对应事件的预测模型在实际事件预测中将具有较高的实用价值.
-
关键词
复杂网络
社区进化
特征指标
预测模型
社交网络
-
Keywords
complex networks
community evolution
features
predictive model
social networks
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
