社交网络群体识别方法初探

社交网络群体识别方法初探(论文14000字)
摘要：随着互联网技术的不断变革和各种社交软件的兴起，虚拟社交网络逐渐替代了传统社交方式成为新时代人们交往与信息传播的主舞台。但社交网络是一把双刃剑，在使沟通交流变得简单、快捷的同时，也存在虚假用户，网络诈骗等问题。在大数据信息挖掘兴起的浪潮中，分析社交网络的群体结构，有助于了解用户的交流模式，将用户进行分类与行为分析。在社交网络中通过群体识别方法将用户划分为不同的群体是本文的目标。本文首先通过社会网络的分析方法，以Facebook为例分析社交网络中的群体构建方法和基本特征，并利用基于模块度的louvain算法识别其中的用户群体。
关键字：数据挖掘；社交网络分析；社区发现

Data Mining Parallelization Method Based on Spark Platform
Abstract: With the continuous transformation of Internet technology and the rise of various social software, virtual social network gradually replaced the traditional social way to become the new era of people exchanges and information dissemination of the main stage. But the social network is a double-edged sword, in the communication becomes simple, fast at the same time, there are false users, network fraud and other issues. In the wave of large data mining, the analysis of the social network of the community structure, help to understand the user's communication model, the user classification and behavior analysis. It is the goal of this paper to group users into different groups by means of group recognition in social networks. This paper firstly analyzes the group construction method and basic characteristics of social network by means of Facebook as an example, and uses the louvain algorithm based on modularity to identify the user group.
Key words:Data mining; social network analysis; community discovery 
 

目　录
1绪论    1
1.1 研究背景    1
1.2 研究意义    2
1.3 国内外研究现状    4
2社交网络理论    5
2.1六度分割理论    5
2.2复杂网络理论    5
2.2.1复杂网络的概念    5
2.2.2复杂网络特征    6
2.3群体发现方法    8
2.3.1群体结构    8
2.3.2群体发现算法    8
2.4社会网络分析方法    9
2.4.1社会网络分析概述    9
2.4.2网络密度    9
2.4.3网络中心性    9
2.5分析软件UCINET    10
3 facebook网络群体结构分析    10
3.1样本数据获取与处理    10
3.1.1facebook中群体的特点    10
3.1.2数据获取与处理    11
3.2facebook群体的网络特征    12
3.2.1网络图    12
3.2.2网络密度    13
3.2.3中心性分析    13
3.3本章小结    14
4群体识别方法应用实例    15
4.1基于中心性的核心用户识别方法    15
4.1.1中心性分析    15
4.1.2实验分析    15
4.2基于模块度的louvain算法实现群体识别    16
4.2.1 louvain算法    16
4.2.2 facebook用户数据使用louvain算法进行社区发现    17
5总结与展望    19
参考文献    20
致谢    22