计算机网络信息技术论文开题报告.docVIP

　　计算机网络信息技术论文开题报告 　　开题报告是由选题者把自己所选的课题的概况(即开题报告内容)，向有关专家、学者、科技人员进行陈述，以下 是一篇关于计算机网络信息技术论文开题报告，供大家参考! 　　论文题目：基于生成模型的大规模网络广义社区发现方法研究 　　一、研究背景 　　互联网时代催生了社会媒体和在线社交平台的蓬勃发展，这些网络具有用户自由表达意愿及产生信息的功能，成为人们信息生成、传播及交流的主要模式。流行的在线社交平台有y Space、Facebook、YouTtibe、TetLiveStats报道，截至2014年11月，数字世界再次到达另一个重要的里程碑，全球互联网用户数量超过了30亿人大关;Facebook用户达到13.5亿，活跃用户基数显示增长了2.3%; Tall 算法、在线EM算法、变分贝叶斯推理及随机变分推理算法。 　　简单随机块模型SBM可实现广义社区发现，一些研宄者对该模型进行约束简化设计了一些传统社区发现链接模型，与本论文研宄相关的模型有基于PLSA模型的社区发现模型SPAEM、生成度-流行度链接模型PPL和链接社区模型LCM. 些研究者扩展SBM关于网络链接的生成过程，典型的模型有考虑节点重叠性质的混合隶属度随机块模型MMSB、考虑节点度分布的度更正随机块模型DCSBM、考虑链接方向的随机块模型GSB。与SBM相似，混合模型NMM及其扩展模型也具有网络多类型结构发现能力。 　　四、本文研究的主要内容及研究框架 　　(一)本文研究的主要内容 　　在线社会媒体产生的网络结构复杂、规模庞大，广义社区发现概率模型可以更好地处理在线网络潜在结构发现问题.但当前的广义社区发现模型及算法求解的速度和准确性还远远不能应对实际网络应用的需求，因此，有必要研究更符合实际的广义社区发现模型和算法，以提高网络结构发现算法的准确性和高效性。本文在GSB模型和NMM模型基础上展开研宄，首先设计一个启发式的广义社区发现快速算法估计GSB模型的参数;然后扩展GSB模型设计更实际的网络生成模型PPSB模型，并进一步融合网络节点内容;为降低PPSB模型的过拟合现象及对训练数据之外数据的可适性，对模型参数引入先验分布，并设计随机变分推理算法求解模型参数。最后，针对Nean的NMM模型可更快地实现类个数较大的广义社区发现优点，设计在线EM算法求解模型参数。本论文研究内容详细介绍如下：1)设计基于扩展随机块模型的快速广义社区发现算法随机块模型可生成多种类型结构的网络，该模型基于节点的概率对等性识别网络的广义社区。但简单随机块模型的网络生成假设不符合实际网络特性，模型参数估计算法不能有效处理大规模网络。扩展随机块模型GSB可更好的对网络节点的不同角色建模，但该模型的参数估计算法效率较低。为提高GSB模型参数估计算法的运行效率，基于GSB模型设计一种快速参数估计算法，使其在保证与GSB参数估计EM算法具有相似准确率的条件下，更有效地识别网络广义社区。2)设计网络广义社区发现链接模型和内容网络广义社区发现模型及求解算法扩展随机块模型对网络生成过程建模时，没有同时考虑节点的产生链接能力、接收链接能力、节点混合隶属度对生成网络链接的影响。不能很好地对实际幂率度分布的网络建模，且没有考虑节点内容属性。设计新的广义社区发现链接模型，使该模型具有己有随机块模型框架下所有模型广义社区发现的优点，还可以生成节点度服从幂率度分布的网络。基于设计的链接模型，进一步对网络节点内容属性和拓扑结构同时建模实现内容网络广义社区发现。3)设计三层广义社区发现贝叶斯模型及基于随机变分推理的推理算法上述链接模型可同时对多类型网络结构和节点混合隶属度建模，但是该模型没有对节点混合隶属度和网络链接概率生成过程建模。致使模型易随训练集合大小线性增长，出现过拟合现象。也不易为训练集合之外的网络实体实现链接预测。另外，己有的EM参数估计算法在千数个节点上运行时间都需要几个小时，使模型不适用处理大规模网络。针对己有广义社区发现算法存在的这些问题，设计一个三层贝叶斯网络广义社区发现模型，在上述设计的链接模型基础上增加节点隶数较大的网络广义社区发现。但是基于混合模型的广义社区发现算法每次迭代需要在所有网络链接上操作，致使该算法不能处理百万级或更大规模的网络，从而不能应用到实际网络结构发现中。为了使该混合模型求解算法可应用到实际大规模网络上，设计一个基于混合模型的在线变分EM广义社区发现算法。最后与混合模型的传统EM算法和简单随机块模型的在线EM算法进行性能比较. 　　(二)本文研究框架 　　本文研究框架可简单表示为： 　　五、写作提纲(略) 　　六、本文研究进展(略) 　　七、目前已经阅读的主要文献 　　[1] Fortunate S. munity detection in graphs