大规模社会网络可视化若干问题及算法研究-计算机软件与理论专业论文 word格式.docx

Classified Index: TM301.2 U.D.C: 62-5Dissertation for the Doctoral Degree in EngineeringRESEARCH ON VISUALIZATION PROBLEMS AND ALGORITHMS FOR LARGE SCALE SOCIAL NETWORKCandidate:Du XiaolinSupervisor:Prof. Ye YunmingAcademic Degree Applied for: Doctor of EngineeringSpecialty:Computer Software and TheoryA?liation:Shenzhen Graduate SchoolDate of Defence:Jun. 2015Degree-Conferring-Institution: Harbin Institute of Technology摘要在Web 2.0时 代，互 联 网 中 社 交 网 络（脸 书、Twitter、微 信、新 浪 微 博 等） 发展迅速，社交媒体网络成员数目庞大，关系错综复杂，迫切需要专门针对大 规模社会网络的图形可视化技术的研究。然而，社会网络的大规模性、语义性 以及社区性等特点要求我们必须要面向社会网络的不同特点，研究具有针对性 的社会网络可视化方法。本文在现有研究工作的基础上，针对社会网络数据的 新特性，结合关系图抽样算法及协同分类算法等最新研究成果，提出了若干针 对社会网络数据大规模性、语义性以及社区性特点的可视化方法。本文的研究 内容介绍如下：? 针对社会网络数据的大规模性，提出了基于拓扑分层模型的社会网络抽样算法（SS）与基于温度传导模型的社会网络抽样算法（TCS）。基于拓扑 分 层 模 型 的 社 会 网 络 抽 样 算 法 将 整 个 社 会 网 络 根 据 其 直 径 划 分 成 不 同层次的子网络，并在每一个层次的子网络中进行抽样操作；基于温度 传导模型的社会网络抽样算法从社会网络中的某一个体开始燃烧，模拟 物体燃烧后温度传导的物理过程，蔓延式地在原社会网络中进行抽样操 作。通过在多个经典的社会网络数据集上的实验结果表明，这两种社会 网络抽样方法不但可以降低社会网络的数据规模，并且可以很好的保持 抽样子网络与原社会网络的拓扑一致性。? 针对社会网络中个体的意见性特征，提出了面向两类意见网络的意见环可视化方法（OpinionRings）。意见环可视化方法采用同心环的总体布局方式，将意见网络中三个意见群组中的个体分别放置在三个相互独立的 区域内。采用协同分类的方法来预测中立个体的意见倾向概率，并将该 意见倾向概率通过中立个体在布局中的位置与颜色可视化表现出来，使 用户可以通过观察布局即可知中立个体未来的意见倾向。同时，通过一 系列美学优化算法使整个图形布局既符合人眼的美学体验又可揭示两类 意见网络中蕴含的信息。通过一系列客观的对比试验表明，意见环可视 化方法对两类意见网络可视化时，其质量优于其它传统的可视化方法。 同时，基于用户体验的满意度调查也显示意见环可视化布局方法能够揭 示意见网络中蕴含的信息，满足用户多元化的可视化体验需求。? 针对社会网络中个体的多意见性特征，提出了面向多类意见网络的多意见环可视化方法（Multi-opinion Ring）。多意见环可视化方法同样采用同- I -心环的总体布局方式，将社会网络中的中立意见群组与具有确定意见的 群组中的个体分别放置在中心圆区域及外环区域，并根据不同的意见目 标（Opinion target），将外环区域划分成若干个独立的扇环区域来可视化 不同的意见群组。本文采用协同分类的方法来预测中立个体的意见倾向 概率，并将该意见概率通过中立个体在布局中的位置与颜色可视地表现 出来，使用户通过观察图形布局即可知中立个体未来可能持有的意见倾 向。同时，通过一系列美学优化算法使整个图形布局既符合人眼的美学 体验又可揭示多类意见网络中所蕴含的信息。实验结果表明了多意见环 可视化方法在对多意见网络可视化过程中的有效性。? 针对社会网络的社区结构性特点，提出了社会网络空间自适应多级布局算法。该算法的特点是对社会网络进行可视化布局的同时重点突出社会网络的社区结构特征，并合理地利用有限的可视化显示区域对社会网络 进行可视化展示。该算法包含两个子过程，社会网络的多级压缩过程以 及 自 顶 向 下 的 布 局 过 程。利 用 多 级 压 缩 算 法 获 得 原 社 会 网 络 的 层 次 结 构，基于此压缩结构进行自顶向下的空间自适应布局算法。通过与快速 多级布局算法F M3的对比显示，空间自适应多级布局算法可以合理利用 显示区域来对社会网络数据进行可视化，同时还能