图与其属性结构相关性度量研究.docVIP

图与其属性结构相关，Ｉ生的度量研究 论文作者签名： 指导教师签名： 论文评阅人ｌ： 评阅人２： 评阅人３： 评阅人４： 评阅人５： 答辩委员会主席： 委员１： 委员２： 委员３： 委员４： 委员５： 答辩日期： 浙江大学硕上学位论文  摘要  摘要 本文提出了一个新的研究问题即考察属性信息与图拓扑的关联程度，它涵盖了 相当广泛的一类现实问题，有着很强的实际背景和应用前景。比如，人们常常会因 为朋友的推荐而去购买某种商品，这种购买行为与消费者所在的社交网络有着深刻 的联系。对商家来说，如果能了解购买行为与社交网络关联性的强弱，便能通过优 化广告的投放策略而获利，因此对这个问题的研究蕴含着很大的商业价值。 在一些直观思想的引导下，本文提出了一个有意义的度量属性与图结构关联程 度强弱的方式一ｐ—ｍｅａｓｕｒｅ。Ｐ—ｍｅａｓｕｒｅ直观意义明显，计算简便，并且易于 拓展。利用Ｐ—ｍｅａｓｕｒｅ，我们可以很容易地看出某种属性与图结构关联程度的强 弱，了解关联性程度随着时间演化的特点，也可以发掘不同属性与图结构关联程度 的差异。 本文给出了计算Ｐ—ｍｅａｓｕｒｅ的核心算法一Ｍ算法。度数限制规则的引进则 大大提高了算法的效率。我们还从理论上分析了算法的复杂度。 本文通过大量有代表性的实例来考察算法的有效性和实用性。从各个例子来 看，算法能比较好地反映我们的构建意图。考虑到处理现实中大型数据的时间经济 性的要求，我们利用机器学习和假设检验的基本思想，使得算法在采样次数不大的 情况下仍能给出具有统计精度的解。 本文对Ｐ—ｍｅａｓｕｒｅ做了一个直接的推广，使得它稍加修改就能用来计算多种 属性关于图结构的关联程度，这大大地拓展了Ｐ—ｍｅａｓｕｒｅ的理论价值以及应用前 景。 关键词：图属性结构相关性度量 浙江大学硕－上学位论文  Ａｂｓｔｒａｃｔ  摘要  Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ  ａ  ｎｏｖｅｌ ｒｅｓｅａｒｃｈ ｔｏｐｉｃ，ｉ．ｅ．，ｈｏｗ ｔｏ ｍｅａｓｕｒｅ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅ－  ｔｗｅｅｎ ａｔｔｒｉｂｕｔｅ ｄａｔａ ａｎｄ ｔｈｅ ｔｏｐｏｌｏｇｙ ｏｆ ｔｈｅ ｕｎｄｅｒｌｙｉｎｇ ｇｒａｐｈ，ｗｈｉｃｈ ｃｏｖｅｒｓ  ａ  ｗｉｄｅ ｒａｎｇｅ  ｏｆｒｅａｌ－ｗｏｒｌｄ ｐｒｏｂｌｅｍｓ；ｈｅｎｃｅ，ｉｔ ｈａｓ  ａ  ｓｔｒｏｎｇ ｐｒａｃｔｉｃａｌ  ｂａｃｋｇｒｏｕｎｄ ａｎｄ  ａ  ｐｒｏｍｉｓｉｎｇ ａｐｐｌｉ－  ｃａｔｉｏｎ ｐｒｏｓｐｅｃｔ．Ｆｏｒ ｅｘａｍｐｌｅ，ｐｅｏｐｌｅ ｏｆｔｅｎ ｂｕｙ  ａ  ｐｒｏｄｕｃｔ ｂｅｃａｕｓｅ ｏｆ  ｆｒｉｅｎｄｓ’ｒｅｃｏｌｌｌｍｅｎ－ ｄａｔｉｏｎ．Ｔｈｉｓ ｐｕｒｃｈａｓｉｎｇ  ｂｅｈａｖｉｏｒ ｈａｓ  ａ  ｄｅｅｐ ｃｏｎｎｅｃｔｉｏｎ ｗｉ也ａ ｃｕｓｔｏｍｅｒ’Ｓ ｓｏｃｉａｌ ｎｅｔｗｏｒｋｓ． Ｉｆ ｍｅｒｃｈａｎｔｓ  ｃａｎ  ｉｄｅｎｔｉｆｙ  ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ  ｂｅｔｗｅｅｎ ｓｕｃｈ ｐｕｒｃｈａｓｉｎｇ ｂｅｈａｖｉｏｒ  ａｎｄ ｔｈｅ ｓｏｃｉａｌ  ｎｅｔｗｏｒｋｓ，ｔｈｅｙ  ｃａｌｌ  ｍａｋｅ ｐｒｏｆｉｔｓ ｂｙ ｏｐｔｉｍｉｚｉｎｇ ｔｈｅｉｒ ｓｔｒａｔｅｇｉｅｓ ｆｏｒ ａｄｖｅｒｔｉｓｅｍｅｎｔ．Ｉｔ ｍｅａｎｓ  ｔｈａｔ ｔｈｉｓ ｒｅｓｅａｒｃｈ ｐｒｏｂｌｅｍ ｐｏｓｓｅｓｓｅｓ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｍｍｅｒｃｉａｌ ｖａｌｕｅ．  Ｌｅｄ ｂｙ ｓｏｍｅ ｉｎｔｕｉｔｉｖｅ ｔｈｉｎｋｉｎｇ，ｔｈｉｓ ｐａｐｅｒ  ｐｒｅｓｅｎｔｓ  ａｍｅａｎｉｎｇｆｕｌ  ｍｅａｓｕｒｅ ｎａｍｅｄ Ｐ— ｍｅａｓｕｒｅ  ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｉｎｔｅｎｓｉｔｙ ｏｆ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ａｔｔｒｉｂｕｔｅ  ｄａｔａ ａｎｄ ｒｅｌａｔｉｏｎｓｈｉｐ  ｄａｔａ．Ｐ—ｍｅａｓｕｒｅ ｈａｓ  ａ ｃｌｅａｒ ｉｎｔｕｉｔｉｖｅ ｍｅａｎｉｎｇ．Ｉｔ ｉｓ ａｌｓｏ ｅａｓｙ  ｔｏ ｃｏｍｐｕｔｅ ａｎｄ ｅｘｔｅｎｄ．  Ｂｙ ｕｓｉｎｇ Ｐ—ｍｅａｓｕｒｅ，ｗｅ ｃａｎ ｓｅｅ ｔｈｅ ｉｎｔｅｎｓｉｔｙ ｏｆ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ａｔｔｒｉｂｕｔｅ ｄａｔａ ａｎｄ  ｔｈｅ  ｔｏｐｏｌｏｇｙ  ｏｆ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｇｒａｐｈ，ｒｅａｌｉｚｅ ｔｈｅ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ’Ｓ  ｅｖｏｌｕｔｉｏｎ