基于网络音乐平台的用户社区发现研究

论文总字数：25471字

摘 要

ABSTRACT Ⅱ

第一章 绪论 1

1.1课题研究背景与意义 1

1.2相关文献综述 2

1.3本文主要内容 4

第二章 理论基础 5

2.1复杂网络的基本概念 5

2.1.1度及度分布 5

2.1.2网络密度 6

2.1.3平均路径长度 6

2.1.4聚类系数 6

2.2社区及社区结构 7

2.3社区发现算法 7

2.3.1图分割算法 7

2.3.2层级聚类算法 8

2.3.3极大过滤团算法 9

2.4本章小结 9

第三章 基于行为与兴趣相似度的社区发现算法 10

3.1基本思想 10

3.2网络模型构建 10

3.3行为相似度 11

3.4综合相似度 13

3.5基于相似度的分区方法 14

3.5.1模块度 14

3.5.2 Louvain算法实现过程 14

3.6本章小结 15

第四章 算法实验及结果分析 16

4.1数据采集 16

4.2实验结果评价 16

4.2.1评价指标 16

4.2.2评价结果 16

4.3社区发现结果分析 18

4.4本章小结 21

结论 22

参考文献 23

致 谢 25

摘 要

社区发现在许多研究领域里都发挥着重要作用，包括社交网络、交通网络、物理系统等等，尤其随着科技的进一步发展，在线社交网络的社区发现逐渐成为一个热门的研究方向。现阶段对于在线社交网络的社区发现研究多依赖于用户的直接交互关系，以一个用户为起点通过关注转发等直接关联来发现已存在的社区结构，但在用户直接交互程度不高的网络中仍存在着基于用户相似性的潜在的社区，目前对于这类社区发现的研究尚不多见，而音乐平台用户网络正是这类网络的典型代表。

本文提出了一种综合相似性的度量方法，利用用户自身行为属性以及用户之间基于共同兴趣的间接关联构建了综合相似度矩阵，并以优化模块度函数为目标进行用户的聚类，得到社区内部紧密程度较高，社区之间关联较弱的有效的社区划分方法。

本文提出的算法根据用户之间的共同兴趣构建新指标，来提高用户相似度聚类的准确性。最后本文选取了网易云音乐平台用户的数据对提出的算法进行了实验验证，并通过对社区发现结果进行评价与分析证明了算法的有效性。利用本文的社区发现结果可以对同一社区的用户进行相互推荐，促进社区用户的交流从而提高平台用户的黏性。同时本文算法可以根据用户属性进一步构建指标，提升算法在用户直接交互程度不高的网络中的适用性。

关键词：社区发现，复杂网络，相似度，音乐平台

ABSTRACT

Community detection is important in many research fields, including social networks, transportation networks, physical systems, etc. With the development of science and technology, community detection of online social networks has gradually become a popular research direction. At present, the research on community detection of online social networks mostly relies on the direct interaction of users. It generally starts from a certain user and detect the existing community by direct interaction like forwarding. However, there are still potential communities based on user similarity in networks with less direct interaction. Music platform user network is a typical example.

A comprehensive similarity measurement method is proposed in this paper. It is constructed by user's behavior attributes and the indirect association based on common interests among users. Users are clustered with the objective of optimizing modularity function, and an effective community partition method with high degree of closeness within the community and weak association among the communities is obtained.

In order to improve the accuracy of user similarity clustering, a new index is constructed according to the common interests of users. This paper chooses the data of Netease Cloud Music Platform users to test the proposed algorithm, and analyses the results of community detection to prove the effectiveness of the algorithm. Using the results in this paper, managers can recommend users to each other in the same community to improve the stickiness of platform users. At the same time, follow-up researches can construct indicators based on more user attributes to improve the applicability of the algorithm in networks with less direct interaction.

KEY WORDS: community detection, complex network, similarity, music platform

1. 绪论

1.1课题研究背景与意义

剩余内容已隐藏，请支付后下载全文，论文总字数：25471字