导读:本文包含了大规模社会网络论文开题报告文献综述及选题提纲参考文献，主要关键词:信息可视化,社会网络,力导引布局,地图投影
大规模社会网络论文文献综述
姜欣[1]（2019）在《大规模社会网络信息可视化方法的研究》一文中研究指出可视化技术是社会网络分析的有效手段之一。可视化技术把网络数据信息、网络结构以及节点之间的联系转换成为图形的形式,因其直观、有效和可视等特点而便于用户获得清晰的认识。同时,为了实现对社会网络进行更加深入的理解和挖掘,可以通过对可视化展示效果的处理,辅以用户相应的交互方法,帮助用户进一步探索、分析和研究网络的局部或者重点关注的节点间联系。然而随着互联网技术的蓬勃发展,网络数据的规模也日益增长,社会网络信息可视化技术的研究内容也侧重于如何对大规模网络数据进行直观、清晰以及有效的展示。论文对社会网络的基本概念和特性、社会网络信息可视化的布局方法进行了研究,对现有的图布局方法存在的问题进行了分析。针对主流的图布局算法中力导引的布局结果常出现节点重迭、覆盖的视觉混乱,难以分辨结构信息,缺少凸显网络中的关键节点等问题,论文改进了经典力导引布局算法——FR算法,在计算节点间的力的作用时,考虑节点的度和节点本身的大小,引入防止重迭的节点与节点间“边界到边界”距离,调整了排斥力,根据节点的度中心性和中介中心性凸显了关键节点,得到聚类良好,社团划分清晰,关键节点明显展现的可视化布局结果。针对具有地理位置属性的大规模社会网络,对网络图中的顶点进行布局将会破坏原有的地理信息,从边出发的布局又会导致出现严重的边交叉问题。为此,论文提出了一种将地图投影与力导引边捆绑相结合的布局方法。首先采用地图投影中的墨卡托投影方法确定节点的分布,客观地反映了网络的地理特性,真实地展现了具体的地理布局效果,再通过采用力导引边捆绑算法,有效地解决了边交叉的视觉混乱问题,清晰地显示出社团结构与节点的分布情况,便于获取有用的信息。基于Matlab、Eclipse、Netbeans和HTML,论文设计并初步实现了一个社会网络信息可视化原型系统,包括数据读取、数据清理、节点重要性、网络指标计算、可视化数据生成、图布局可视化等功能,并集成了上述的改进算法,提供了面向大规模社会网络可视化的初步解决方案。结果表明,论文设计的系统能够充分展示社会网络的社团结构,完成了相应的可视化任务。(本文来源于《沈阳工业大学》期刊2019-05-29）
张换香,张晓琳,王永平,李海荣[2]（2018）在《基于启发式分析的大规模社会网络隐私保护》一文中研究指出社会网络结构通常在现实生活中大量真实存在,且有着高度复杂性网络的抽象化展示,社会网络已经广泛渗入到了人们日常生活中的各个方面,如对于微博、微信等社交软件的应用.随着当前社会网络的快速化发展,网络规模也呈现出了爆炸式的发展趋势,其中所囊括的数据信息不但种类多种多样且内容十分丰富,但同时也应注意到这些数据信息或多或少的都会与人们的隐私相关,因此也越来越被人们所关注,由此采取一定的隐私保护措施也便异常关键.本文将基于启发式分析的大规模社会网络隐私保护展开深入探究.(本文来源于《内蒙古科技大学学报》期刊2018年03期）
李江[3]（2018）在《大规模社会网络中的信息扩散建模与应用研究》一文中研究指出当前,随着网络技术的飞速发展和网络用户的海量增加,在线社会网络和社交媒体已经在信息扩散和传播过程中扮演着至关重要的角色。在线社会网络中的信息扩散有着诸多与传统媒介显着不同的特点,吸引了大量研究人员对此开展研究。这些研究能够帮助商业人士制定更加有效的市场营销决策,帮助用户更容易发现有价值的内容,帮助政府有关部门及时发现和抑制有害内容的传播。虽然已有研究已经取得了众多的研究成果,但是,对于影响社会网络中信息扩散的一些重要因素以及信息扩散模型的研究仍然存在着诸多的不足。为此,本文从寻找和定量分析对于信息传播有重要作用的影响因素,以及社会网络中的信息扩散建模这两个方面出发开展工作,论文的主要研究内容和成果包括:在影响社会网络信息扩散的结构因素方面,本文提出了一个“葡萄”结构模型用于描绘社会网络中大规模信息扩散的总体发生过程,并提出了信息扩散的四个结构模式,每个模式都代表一种典型的级联结构并且反映出不同的扩散机制。本文收集了 45000多个大规模社会网络信息扩散事件,它们的扩散规模从几千到几十万个节点不等。通过对这些扩散事件的分析,本文发现大多数的大规模扩散的网络结构是非常稀疏且缺乏聚集属性的,其扩散过程中具有两个令人意外的共性现象:首先,即便是这些传播范围很广的热门事件,它们在人群中的“感染概率”仍然非常的低;其次,网络中一个节点被某个事件“感染”的概率并不会因为这个事件被反复曝光而增加。这些现象有效支持了本文提出的“葡萄”结构模型。最后,本文将大规模扩散与小规模扩散做了对比,发现结构特性并不是区分大规模扩散和小规模扩散的关键因素。在影响大规模社会网络中的信息扩散的内容因素方面,本文首先根据内容本身以及用户行为数据提取了多项特征用于表示内容自身的吸引力。在用户转发行为预测任务上的实验表明,利用内容吸引力特征能够显着提升实验的预测效果,说明其对于社会网络信息扩散具有重要影响。其次,本文采用多种方式构建主题模型推导传播内容的主题分布以及用户的兴趣偏好,并计算了用户兴趣与内容之间的匹配度。在用户转发行为预测实验中,本文分别采用不同方式计算得到的内容兴趣匹配度作为特征,能够获得7%到14%的预测效果提升。这些实验结果表明内容兴趣匹配度对信息扩散具有显着影响。在影响大规模社会网络中的信息扩散的外部影响力方面,本文设计了一个重构级联树算法,能够将信息传播过程中所受外部影响力的作用抽离出来。通过将算法应用于海量扩散数据并进行统计分析,本文得到关于外部影响力的四个有价值的发现:首先,尽管只有小部分的传播是由外部影响力直接导致的,但在整个扩散过程中外部影响力有着非常重要的作用。具体而言,有50%到70%的扩散节点都受到了外部影响力的作用,并且随着级联扩散规模的增大,这种影响会随之变强。其次,外部影响力能够促使用户和网络中的陌生人发生交互,让更多的用户之间建立连接,社会网络的网络结构因此变得更加紧密,从而有益于信息的扩散。再次,外部影响力可以分为两种,一种影响扩散的规模而另一种偏向于影响扩散的深度。最后,由于外部影响力的存在,传统的意见领袖的作用会下降,普通用户创造的优质内容更有机会被快速传播。在上述信息扩散影响因素分析的基础上,本文提出了用于建模社会网络信息扩散的扩散-潜在狄利克雷配置(Diffusion-Latent Dirichlet Allocation,D-LDA)模型,它在同一个生成过程中融合了内容的主题分布计算以及用户间影响力计算。模型通过两个步骤交替迭代推导:U-Part推导得到内容与用户的主题分布,而D-Part则计算得到用户之间的影响力以及内容自身的吸引力。D-LDA模型能够区分用户转发行为中所包含的内容相关因素和影响力相关因素。模型训练采用Gibbs Sampling进行参数推断。最后,在大规模数据上通过多项实验对于D-LDA模型的结果进行评测。实验结果表明D-LDA模型能够在少量迭代后迅速收敛,在多个不同评估任务和指标上均取得了比基线模型更好的性能。(本文来源于《北京邮电大学》期刊2018-04-20）
刘冰玉[4]（2016）在《大规模社会网络重迭社区挖掘关键技术研究》一文中研究指出随着网络社交形式的不断丰富,人们频繁进行信息的交互,产生大量的网络数据,形成规模巨大、信息丰富的社会网络。近年来社会网络的数据呈现爆炸性增长,如何从日益复杂的社会网络中挖掘出有价值的数据,并利用这些数据在日常生产、生活中发挥更大作用显得越来越重要。在社会网络众多的特性中,社区结构是一个重要的特性。社会网络中的社区分为非重迭社区和重迭社区两类。非重迭社区中的节点只能属于某一个社区,而在重迭社区中,节点可以同时隶属于多个社区。与非重迭社区相比,重迭社区更贴近社会网络的实际情况。重迭社区的挖掘对于理解网络的功能,预测网络行为更具有现实意义。但是,目前常见的重迭社区挖掘算法在面临大数据环境时,往往出现算法复杂度较高或未能对网络中的多维数据进行融合等现象,导致所挖掘出的社区质量较低或挖掘耗时较长等问题。本文以社会网络为研究对象,以复杂网络理论为基础,采用数学建模、算法设计以及数据验证等相结合的方法对社会网络的社区挖掘进行深入研究,并取得如下成果:(1)针对以往利用模块度作为单一优化目标进行解决重迭社区挖掘时,由于模块度函数自身的局限性,无法保证算法得到高质量的社区的问题。本文在研究已有的社区结构评价指标的基础上,选取社区适应度和社区的最小最大划分值作为目标函数,利用多目标优化方法对社会网络进行社区挖掘,算法挖掘出的社区不仅满足社区内部连接紧密的特性,而且满足社区之间联系稀疏的特性。为了进一步挖掘出更贴近现实的重迭社区,选取适合重迭社区性质的区密度和网络边度数作为目标函数,提出了挖掘重迭社区的多目标优化算法,实验表明该算法所发现的重迭社区具有较高的模块度。(2)由于标签传播算法的不稳定性,直接将标签传播算法用于重迭社区挖掘,会出现每次社区挖掘结果差异较大问题。为了提高标签传播算法的稳定性,提出了一种稳定的基于标签传播的重迭社区挖掘算法,该算法通过设定标签传播顺序、更改标签更新策略等方法,在保持较低的算法复杂度的同时,提高了算法的稳定性。为了进一步对加权网络进行重迭社区挖掘,将节点之间的影响因子作为标签传播依据,设计了针对加权网络的基于标签传播的重迭社区挖掘算法,该算法一方面提高了标签传播算法的稳定性,另一方面也适合对加权网络进行重迭社区挖掘,效果较好。(3)为了研究出既适合无权网络又适合加权网络的社区挖掘算法,将物理学中的万有引力原理引入到重迭社区挖掘中,提出了基于引力因子的加权网络社区挖掘算法。算法首先给出引力因子的概念,并根据引力因子大小判断节点之间以及节点与社区之间联系的强弱,从而判断节点所属的社区。算法通过加权网络的评价指标进行评价,综合考虑了无权网络和加权网络的特点。(4)针对微博网络的数据稀疏性问题,提出了基于语义模型的重迭社区挖掘算法。首先将微博网络中节点的内容信息与微博网络中用户的关系融合,建立了微博网络的RT模型,将微博网络映射为有向加权网络。为了充分利用微博网络的语义信息,分别提出了针对微博网络进行主题挖掘的静态模型和动态模型,挖掘出微博中用户的兴趣,进而计算微博网络中用户之间兴趣的相似度。在此基础上利用标签传播算法针对微博网络进行重迭社区挖掘。实验结果表明,该算法所挖掘出的社区更具有语义内聚性。本文的研究成果,对于提高社区挖掘的质量,降低社区挖掘算法复杂度,解决社会网络数据稀疏性所带来的社区质量低等问题具有重要意义。(本文来源于《东北大学》期刊2016-06-01）
王凯[5]（2016）在《基于多话题的大规模社会网络影响力最大化研究》一文中研究指出近些年来,影响力最大化问题已经是数据挖掘领域炙手可热的研究方向,并且普遍应用于社会网络分析。然而,现有大部分研究在寻找最具影响力的种子节点的同时忽略了一个事实,那就是针对不同的话题,所选出的种子节点也是不同的。即使少部分现有研究考虑了话题因素,它们忽略了任何需要在网络中传播的商品或事件都是由多个话题组成的,只考虑单个话题是片面且不准确的。同时,网络中用户的兴趣往往也不是单一的,而正是用户的行为偏好直接决定了影响在社会网络中传播的结果。针对现有传播模型和算法在传播过程中未考虑多话题因素的缺陷,本文首先利用话题模型对文本信息进行建模,再将得到的话题分布结合到传统的独立级联模型(Independent Cascade Model)中,提出了多话题敏感的独立级联模型(Multi-Topic Sensitive Independent Cascade model,MTSIC模型)。利用MTSIC模型,可以帮助选出最贴近现实生活情况的种子节点。同时利用Topical HITS算法,获得用户的权威度和从众性,并融入到模型中,使模型更加准确。由于在网络上传播的商品或事件可能存在地理位置限制,因此地理位置信息也被当作一项重要因素加入到模型中。传统影响力最大化算法并不适用于多话题场景,因此提出多话题敏感的影响力最大化算法(Activation Nodes Similarity algorithm,ANS)。考虑到在大规模网络中进行影响力最大化分析是十分耗时的,因此本文提出了基于Spark的多话题敏感影响力最大化算法(Parallelization of Multi-Topic algorithm,PMT)并行算法以提高算法效率。由于传统评价度量未能体现多话题因素的重要性,因此本文提出了新的度量SIS来诠释影响力最大化算法效果。通过在数据集DBLP和Twitter上的实验结果显示,MTSIC模型可以更准确的模拟真实情况下节点的激活情况并且ANS算法可以找到在现实情况中更倾向于接受商品或事件并进行传播的种子节点。而PMT算法的高效性也被证明。从各个方面进行的实验结果证明了本文所提出的传播模型及算法是效且高效的。(本文来源于《华中科技大学》期刊2016-05-01）
毕贵红,何晓力,王海瑞[6]（2016）在《IDU大规模社会网络及其HIV传播模拟》一文中研究指出引入复杂Agent网络模型建立注射吸毒(IDU)共享网络的HIV传播模拟模型。在传统无标度网络配置模型的基础上,通过增加邻域选择机制和叁角形形成机制,提出了一种能应用于大规模病毒传播的IDU社会网络生成和演化算法。模型可实现指数可调幂律度分布、高聚类系数和度-度相关等社会网络特征;网络中的边可以断开、重连,网络中的节点可以退出、进入,网络具有动态特性。网络中节点Agent模型中包括个体的行为、病程及个体对疾病干预措施的响应机制,通过节点Agent和网络的协同作用,实现个体行为、个体之间共用注射器吸毒构成的社会网络和干预政策耦合演化的HIV传播模拟模型。对生成的网络进行了社会网络参数度量,利用云南省的数据对吸毒网络HIV传播干预情景进行仿真研究。(本文来源于《系统管理学报》期刊2016年02期）
梁晋,梁吉业,赵兴旺[7]（2016）在《一种面向大规模社会网络的社区发现算法》一文中研究指出随着社会网络中顶点和边的逐渐增加,计算效率成为了大规模社会网络中社区发现面临的一大难题.为了更加高效地探测社会网络中隐含的社区结构,提出一种基于抽样与标签传播的社区发现算法.该算法首先利用基于度的随机游走技术对整体网络进行抽样得到子图,然后采用基于概要的社区发现算法对此子图进行社区发现,得到核心社区,最后依据已有社区结构与未抽样的节点的相似度迭代式地将社区标签传播到剩余节点.在真实社会网络数据集上,与已有算法通过实验进行了比较分析,结果表明该算法能够在保证有效性的同时提高计算效率.(本文来源于《南京大学学报(自然科学)》期刊2016年01期）
贾建伟,陈崚[8]（2016）在《基于影响力的大规模社会网络快速粗化方法》一文中研究指出给定社会网络,如何快速地粗化社会网络图、是否能够在社会网络图中找到更小的等价表示来保持社会网络的传播特征、是否能够基于节点的影响力属性合并社会网络中的部分节点,这些重要的问题能够应用到影响力分析、流行病学和病毒营销的应用。首先提出了一种新颖的图粗化问题,目的是不改变信息扩散过程中的关键特征来发现图代表节点和边;随后提出了一种快速有效的算法来解决图粗化问题。实验构造在多个真实的数据上,验证了算法的性能和可扩展性,且实验在没有损失图信息的情况下,将图规模降低了90%。(本文来源于《计算机应用研究》期刊2016年11期）
杜晓林[9]（2015）在《大规模社会网络可视化若干问题及算法研究》一文中研究指出在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(Opinion Rings)。意见环可视化方法采用同心环的总体布局方式,将意见网络中叁个意见群组中的个体分别放置在叁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FM3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,同时还能够明显突出其社区性的特点。本文提出了五个算法来解决大规模社会网络可视化的若干问题。基于拓扑分层模型的社会网络抽样算法与基于温度传导模型的社会网络抽样算法的作用是降低社会网络的数据规模,同时使抽样子网络和原社会网络之间保持较好的拓扑相似性,当待可视化社会网络数据集规模较大时,可先利用社会网络抽样算法降低社会网络的规模,再对抽样子网络进行可视化。面向两类意见网络的意见环可视化算法是针对社会网络中的语义性特点设计的可视化方法,面向多类意见网络的多意见环可视化布局算法将两类意见网络扩展为多类意见网络。空间自适应多级布局算法针对社会网络的社区性特点,在可视化社会网络的同时重点突出其社区性特征,使用户可以直观的通过观察布局效果即可了解社会网络中的社区结构特性。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
秦宏超[10]（2015）在《大规模动态社会网络社区检测算法的研究与实现》一文中研究指出社区检测是指在一个集合中,根据元素之间的某些关系,将集合划分为若干可交叉的子集的过程。这些集合内部的节点联系十分紧密,而跨集合的节点联系十分松散。在社会网络中检测社区可以对个性化推荐服务和信息传播推广提供帮助。随着社交网络的发展,出现了越来越多的大规模随时间变化的社会网络,这些网络中的边和点随着时间的推移发生改变,有时这些变化只涉及到一小块区域。传统的社区检测方法定义一个判断社区划分程度的函数Q,找到使其最大的一个划分作为社区,而一旦图发生了无论多么微小的变化,都必须计算函数Q,重新寻找全图的社区划分。为了解决动态网络中的局部社区检测问题,首先提出了 一种新的检测局部社区的方法,这个方法通过找寻紧密的结构作为社区搜索的起点,减少了迭代的次数,而且由于搜索的初始结构成为了一个点集合,大大地增强了社区的稳定性。然后在图发生动态变化的情况下,考虑了加入边的四种规则和删除边的叁种规则,每种规则都可以给出快速更新的方案。如果图的动态变化分布均匀,有很多边的变化都与当前的查询无关,大大地减少了动态更新的代价。为了解决动态网络中的全局社区检测问题,首先提出了一种检测全局社区时的技巧,加快检测全局社区。然后在图发生动态变化时,通过分析函数Q的改变,更新图的社区划分。更新的方式只需要利用变化部位的点和边的信息,所以能在很快的时间内完成。使用这个新的划分方法对社区进行更新后,图的社区划分程度更好。最后通过大量的实验表明,本文提出的动态网络局部社区检测算法在效率良好的情况下有更高的准确率,本文提出的动态网络全局社区检测算法在准确率良好的情况下,有更优的时间效率。(本文来源于《东北大学》期刊2015-06-01）
大规模社会网络论文开题报告
（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：
社会网络结构通常在现实生活中大量真实存在,且有着高度复杂性网络的抽象化展示,社会网络已经广泛渗入到了人们日常生活中的各个方面,如对于微博、微信等社交软件的应用.随着当前社会网络的快速化发展,网络规模也呈现出了爆炸式的发展趋势,其中所囊括的数据信息不但种类多种多样且内容十分丰富,但同时也应注意到这些数据信息或多或少的都会与人们的隐私相关,因此也越来越被人们所关注,由此采取一定的隐私保护措施也便异常关键.本文将基于启发式分析的大规模社会网络隐私保护展开深入探究.
（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。
大规模社会网络论文参考文献
[1].姜欣.大规模社会网络信息可视化方法的研究[D].沈阳工业大学.2019
[2].张换香,张晓琳,王永平,李海荣.基于启发式分析的大规模社会网络隐私保护[J].内蒙古科技大学学报.2018
[3].李江.大规模社会网络中的信息扩散建模与应用研究[D].北京邮电大学.2018
[4].刘冰玉.大规模社会网络重迭社区挖掘关键技术研究[D].东北大学.2016
[5].王凯.基于多话题的大规模社会网络影响力最大化研究[D].华中科技大学.2016
[6].毕贵红,何晓力,王海瑞.IDU大规模社会网络及其HIV传播模拟[J].系统管理学报.2016
[7].梁晋,梁吉业,赵兴旺.一种面向大规模社会网络的社区发现算法[J].南京大学学报(自然科学).2016
[8].贾建伟,陈崚.基于影响力的大规模社会网络快速粗化方法[J].计算机应用研究.2016
[9].杜晓林.大规模社会网络可视化若干问题及算法研究[D].哈尔滨工业大学.2015
[10].秦宏超.大规模动态社会网络社区检测算法的研究与实现[D].东北大学.2015