个性化服务中用户建模及社区划分算法研究-通信与信息系统专业论文.docx

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 个性化服务是用于解决当前“数据爆炸”、“信息迷航”的有效方法。而用户建模和社区 划分方法是个性化信息服务中的关键技术，用户模型和社区划分方法直接关系到个性化服务 质量的好坏。因此本文以提高个性化服务质量为着眼点，利用同化效应函数对用户模型进行 了修正，提出了基于同化效应的用户模型修正算法，并在抽象距离和改进模块度的基础上提 出了一种针对社交网络的社区划分算法。 首先，提出了用户建模中需要考虑同化效应这一技术需求，在分析同化效应的产生和影 响因素的基础上提出了同化效应影响函数。通过分析社交网络中的社会比较过程，提出了基 于同化效应的属性演进及预测算法。其次，本文通过分析社交网络的特征，提出了针对社交 网络社区划分算法的测度和标准：抽象距离和改进的模块度，并在 k-means 算法和凝聚算法 的基础上提出了一种社交网络社区划分算法。最后，采用 Matlab 对提出的两个算法进行了实 验分析，经本文提出的算法修正后的用户模型的准确度达 78%，本文提出的社区划分算法性 能通过 NMI 和模块度两种指标进行分析，两种指标均反映了本文提出社区划分算法的准确 性。实验表明，基于同化效应的用户模型修正方法能够提高用户模型的准确度，本文提出的 社区划分算法能够提高划分后社区的 NMI 和模块度值。 关键词: 社交网络，用户建模，同化效应，社区划分 I Abstract Personalized service is an effective method in solving the data explosion andinformation trek. As the core technologies of personalized services, user modeling and community division have recently attracted much attention. The quality of the personalized services is determined by the accurancy of user modeling and community division. Therefore, in order to improve the quality of personalized services, a user model correction algorithm based on assimilation effect is proposed by amending user model with the consideration of assimilation effect, and a community partition algorithm based on abstract distance and improved modularity is proposed in this paper. First, the need to consider assimilation effect in user modeling is raised with the analysis of the process of user modeling, and the assimilation effect function is proposed by analysing the generation and influence factors of assimilation effect. Second, suitable community partition measures a