导读:本文包含了社群发现论文开题报告文献综述及选题提纲参考文献,主要关键词:社群营销
社群发现论文文献综述
[1](2019)在《一不小心发现了社群营销的公式》一文中研究指出社群营销太火了,因为太多人在四个字里嗅到了机会的味道。传统营销高举高打,广泛覆盖,渠道制胜,不少人感慨最好的时代过去了,但互联网催生的一切与经济挂上钩的名词,似乎总带有机会主义色彩,社群营销脱颖而出,大企业大品牌用社群来触达消费者,小企业小品牌借社群找到切入点和引爆点。(本文来源于《销售与市场(营销版)》期刊2019年08期)
王元鹏,杨树峰[2](2019)在《基于社群发现模型的区域火灾风险分析》一文中研究指出本文基于2007-2017年的火灾统计数据,引用"社群"概念和相关算法,挖掘火灾社区之间拓扑关系的分析模型,同时获取火灾统计数据,地址网格化后,根据使用算法计算火灾网格并发特征,形成制定周期的火灾并发社区。计算结果呈现方式为,当某一网格发生火灾,在制定计算周期中,显示与其同在一个社群的其他网格作"高风险区域"预警。(本文来源于《今日消防》期刊2019年04期)
马力,张思敏[3](2019)在《基于情感网络的社群发现与增长》一文中研究指出由于在线社交网络应用的飞速发展,挖掘社交文本中的文本语料,分析研究其中所包含的情感倾向及特征,已成为近年来的热门方向。为了作出进一步研究,论文根据在线社交网络关系,以复杂网络理论为基础,在此之上构建情感网络,分析情感网络的网络结构特征。完成的工作主要有:1)以微博用户关系表为例,构造模拟数据集,利用R语言建立情感关系网络。2)提出基于社群划分实现社群发现与网络增长的算法。首先通过随机游走的社群划分理论对情感网络进行划分,分离出不同社群网络进行网络演化增长,进而合并已经增长完成的社群网络,最终得到经过增长的情感网络结构。3)对比社群发现其它四种模型,即点连接、中间中心度、自旋玻璃、标签发现。经验证基于随机游走增长完成的情感网络具有更好的效果。(本文来源于《计算机与数字工程》期刊2019年03期)
卢志刚,胡昕晨[4](2019)在《基于节点映射的核型企业重迭社群发现算法》一文中研究指出针对现有企业社群发现算法多侧重于同质性市场环境,不能反映部分企业会参与多条供应链作业的问题,提出一种基于节点映射关系的核社群表示模型Map-Community,通过构塑两种角色节点及其相互间不同的映射关系,判断企业的社群归属问题。基于该表示模型提出一种具有近似线性阶时空复杂度的节点映射算法(NMA)。首先,采取过滤操作获得供应链网络拓扑图中的双连通核心图;然后,引入映射度择选出核心企业节点;其次,依据映射判断规则进行局部扩展;最后,通过回溯将局部社群结构拓展至全局网络并发现重迭区域。LFR网络应用实验中,NMA对阈值变化反映出低敏感性,且在实用性方面优于LFM、COPRA和GCE。在企业社交网络进行仿真,利用划分情况总结分布效应意义。实验结果验证了该算法对于企业重迭社群发现的可行性及其在发现质量方面的性能优势。(本文来源于《计算机应用》期刊2019年03期)
苟良[5](2018)在《新浪微博社群发现方法研究》一文中研究指出随着社交网络的发展与普及,每天产生的数据量都在以亿级别的速度骤增,通过对用户在社交媒体上发表的言论进行数据分析,可以得出很多有价值的信息。目前,在新浪微博这个主流社交媒体上发展的数据研究已经取得了一定的成果,但是在社群发现上使用的方法丰富性仍然有所欠缺。本文旨在研究社群发现上提出一种新的思路,从微博内容的关键词出发,找出具有相似特征的群体,主要内容如下:首先,本文根据新浪微博的数据分布结构,用户粉丝群,用户信息等特征,提出一种新的数据爬取策略,以用户ID为出发点,选取种子用户,爬取用户的粉丝群,资料特征,微博内容,微博下互动情况等信息,并根据收集到的数据,提出了数据过滤等方法。其次,本文对收集到的数据,从微博的地区分布、微博发布时间、微博互动等角度进行了分析,从这几个方面找出了数据集中用户使用微博的特点,了解到用户在微博上的习惯与互动特点。根据微博互动性,以互动关系代替了传统的关注关系,引入熵力模型绘制出了社交网络图,找出了数据集的互动特点。最后,本文从微博关键词出发,使用TF-IDF算法进行词权计算,找出每个用户具有代表性的词权值,使用K-MEANS算法对所有用户进行聚类,统计出7种不同的群体,并分析了每个群体的特征与侧重点。另外,本文选取SOM聚类算法和MeanShift聚类算法进行参考试验,统计出了不同种聚类算法下聚类的结果,比较聚类结果,综合确定出社群分类的情况。并总结出了叁种算法的优劣性。(本文来源于《新疆大学》期刊2018-06-30)
王琦森[6](2016)在《基于社群发现的学术文献推荐系统的设计与实现》一文中研究指出近年来,学术搜索引擎在科学研究活动中扮演着越来越重要的角色。学术搜索的一个重要问题是文献推荐。其主要任务是向用户推荐研究领域中最有价值的文献。在本文中,我们利用文献作者之间的合作关系以及文献之间的引用关系,通过结构分析来发现隐藏的相关文献,并推荐给用户。基于对引用-合作网络进行社群划分,我们提出了两种排序算法,分别是自适应算法和随机游走算法,这两种算法综合考虑了文本相似度、作者相似度、邻近度、影响力等多种因素来进行文献推荐。同时,基于微软学术的公开论文引用数据集,实现了一个文献推荐系统。我们招募了20名志愿者来对我们的算法进行性能评估。实验结果表明,我们提出的论文推荐算法优于PageRank等传统的搜索引擎算法。最后,我们通过实验验证了算法的效率,适用于大型的学术搜索引擎。(本文来源于《南京大学》期刊2016-05-01)
田浩,樊红,杜武[7](2015)在《基于用户社群关系的Web服务发现研究》一文中研究指出Web服务发现是Web应用研究中的关键问题。研究了多个用户彼此之间的社群关系对Web服务发现结果的影响,将用户之间的社群关系分解为偏好关系、聚类关系和信任关系,给出了这3个关系的形式化方法。基于形式化后的社群关系提出了一个差分式服务发现策略,构建了一个基于用户社群关系的Web服务发现系统框架,按照Web服务与用户兴趣背景相关性由强到弱的原则来逐步检索或推荐候选Web服务以产生最终结果。实验表明,该方法能有效提高服务发现的效率和查准率。(本文来源于《通信学报》期刊2015年10期)
胡云,王崇骏,吴骏,谢俊元,李慧[8](2014)在《微博网络上的重迭社群发现与全局表示》一文中研究指出微博网络是新兴的覆盖海量用户、涉及广泛话题并具有复杂重迭社群结构的多模网络.在深入研究微博网络各类实体和属性内在联系的基础上,提出了以用户-话题关系为主要划分原则的重迭社群表达模型及相应的社群结构发现算法.该方法不仅考虑网络中的用户-话题关系,还融合了这一网络特有的用户关注关系、博文评论与转发关系等所形成的复合网络关系.同时,改进了传统的社群隶属矩阵表述模型,通过引入虚拟社群,使隶属矩阵不仅合理反映个体对社群的隶属度,同时标识了个体在社群中的核心度.通过基于新浪微博数据集的实验验证,结果表明:该模型与方法能够高效合理地刻画该数据集包含的重迭社群结构,实验结果具有良好的可解释性,所提出的模型和算法可以有效地应用于类似多模网络社群划分和演化分析研究中.(本文来源于《软件学报》期刊2014年12期)
单波[9](2013)在《地方社群的重建与公众的发现——评《美国的公共新闻运动》》一文中研究指出上世纪末的美国,一批新闻学者和新闻业界人士感觉到,愿意参加政治活动的美国民众越来越少。他们希望通过新闻业务改革,把缺乏热情、不关心国家大事的民众拉回到政治活动中来,于是发起了一场名为公共新闻的改革运动。郑一卉在武汉大学读博期间就热情关注这一运动,我鼓励他一探究竟,不仅要完整呈现美国式新闻改革的来龙去脉及其所蕴含的思想纷争,还要为当下中国式新闻改革提供某种参照。后来,他又到美国拜哈林(Dan Hallin)、舒德森(本文来源于《青年》期刊2013年28期)
于洋洋[10](2012)在《基于并行K-MEANS聚类分析的社群发现算法研究》一文中研究指出复杂网络社群发现算法的研究对于分析复杂网络的拓扑结构、理解复杂网络的功能、发现复杂网络中的隐藏规律和预测复杂网络的行为不仅有十分重要的理论意义,而且有广阔的应用前景。目前已经广泛应用于恐怖组织识别与组织结构管理等社会网络分析中。近年来,复杂网络的社群发现问题受到了广泛的关注,涌现出很多新颖的算法。但是,目前的社群发现算法存在划分效果较好的算法时间复杂度过高、划分速度快的算法划分质量不佳等问题。本文针对K-Means算法的一些缺点,结合其它算法的特点,加入增益函数的使用,在事先不确定k值的情况下,以最远距离为原则选择簇类中心,以最近距离为原则选择簇中元素,以此提高算法的划分精度,然后结合GPU并行化技术,将串行结构的K-Means算法改造成基于GPU并行的K-Means算法,提高算法的效率,最后使用NIVIDA的CUDA作为运算平台进行并行算法的实现。当应用到实际的复杂网络社群发现中时,则利用关联度原则对该算法进行相应的改进,并使用相关网络数据集对串行结构和并行结构的算法进行测试与结果的比较。实验表明,两个算法的划分结果相同,但是并行结构的算法相比较于串行算法有明显的速度提升。结合并行化技术的K-Means社群发现算法能够快速准确的定位网络中的社群结构,为研究人员分析社群结构提供有效的帮助,而且可以采用类似的并行化处理手段对其它社群发现算法进行并行优化。(本文来源于《东北大学》期刊2012-06-12)
社群发现论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文基于2007-2017年的火灾统计数据,引用"社群"概念和相关算法,挖掘火灾社区之间拓扑关系的分析模型,同时获取火灾统计数据,地址网格化后,根据使用算法计算火灾网格并发特征,形成制定周期的火灾并发社区。计算结果呈现方式为,当某一网格发生火灾,在制定计算周期中,显示与其同在一个社群的其他网格作"高风险区域"预警。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
社群发现论文参考文献
[1]..一不小心发现了社群营销的公式[J].销售与市场(营销版).2019
[2].王元鹏,杨树峰.基于社群发现模型的区域火灾风险分析[J].今日消防.2019
[3].马力,张思敏.基于情感网络的社群发现与增长[J].计算机与数字工程.2019
[4].卢志刚,胡昕晨.基于节点映射的核型企业重迭社群发现算法[J].计算机应用.2019
[5].苟良.新浪微博社群发现方法研究[D].新疆大学.2018
[6].王琦森.基于社群发现的学术文献推荐系统的设计与实现[D].南京大学.2016
[7].田浩,樊红,杜武.基于用户社群关系的Web服务发现研究[J].通信学报.2015
[8].胡云,王崇骏,吴骏,谢俊元,李慧.微博网络上的重迭社群发现与全局表示[J].软件学报.2014
[9].单波.地方社群的重建与公众的发现——评《美国的公共新闻运动》[J].青年.2013
[10].于洋洋.基于并行K-MEANS聚类分析的社群发现算法研究[D].东北大学.2012
标签:社群营销;