论文部分内容阅读
目前移动终端设备的发展速度越来越快,带来了移动网络服务使用的普及,移动网络服务已经被广泛应用于人们的日常生活中,但是移动网络服务的高速发展必然会使用户收到大量来不及处理的数据,这样对于用户来说就会带来比较严重的信息过剩的问题。目前广泛应用于互联网社会化网络服务的一种解决方法是进行社区发现,同样地,社区发现也是一种解决移动用户需求个性化问题的可行方法。。移动社区发现通过移动社区发现算法对移动社会化网络进行网络的结构进行分析,提取网络中的兴趣相似或者关系较为密切的群体,然后对这样的群体进行应用或服务的推荐,进而减少了用户收到的无用推荐,减轻了信息过剩带来的问题。本文针对以上问题,循序渐进地进行了如下三方面的研究：(1)基于移动用户行为回路融合社区发现方法对于现有基于派系的重叠社区发现算法难以对移动社会化网络实施的问题,本文提出了一种基于移动用户行为的回路融合社区发现算法。该算法首先通过分析移动用户行为构建移动社会化网络,利用k-EC(k-Elementary Circuit)简单回路发现算法寻找移动社会化网络的k阶回路作为社区核,并按照给定的规则对社区核进行融合,得到初步社区；然后通过计算移动用户行为的相关度将余下的离散节点加入到相应的初步社区,得到最终的社区。(2)基于移动用户间信任度的社区细化方法针对基于移动用户行为的回路融合移动社区发现方法所生成的社区粒度太大的问题,利用移动用户间的信任度来对第一方面研究中发现的社区进行细化,得出移动社会化网络中更为精确的社区结构,使得社区发现具有更好的实用性。(3)基于链接预测移动社会化网络社区演化方法根据移动社会化网络动态变化的特性,通过分析移动用户之间的通信行为提出了一种基于链接预测的移动社会化网络社区演化方法。首先,分析移动用户通信行为和服务使用情况,选择移动用户的特征向量,并对特征向量进行分类；然后根据特征向量的分类情况来确定社区内移动用户间的连接性,通过以上步骤对已经发现的社区结构进行演化。