GN算法的设计与源代码+网络社区发现算法分析与比较 第2页

网络社区是一些具有共同兴趣的单位和个人所组成的独特小组，这些小组的兴趣通常表现为某个主题下的若干子题，他们通过共同认可的网页实现相互间的联系。这些小组可以被一些公开页面所引用，称为“Cyber 社区”、“web 社区”或者直接称为“社区”。社区可以为用户提供有价值的、可靠的、及时的信息，社区代表了web 中的社会活动，对社区的深入研究可以了解web 中知识信息及其组织结构的发展状况。本文来自优,文'论#文^网，毕业论文 www.youerw.com因此，采用将web 信息以社区的形式组织，为信息查询提供了有效和便捷的途径。Web 中存在着大量的知名的、明确定义的社区，这些社区基本表现为新闻组、网圈，或者如Yahoo!中目录形式的资源集合，以及如Geocities中社民等。这些知名的社区是靠人工发现和文护的，如Yahoo！中的目录，如请一些分类专家对web 信息进行分类组织成为树形结构，虽然人工文护的结构树对于许多主题的搜索非常有效，但是该树的建立一般都是主观的。结构树的建立和文护极为昂贵，不但更新缓慢，而且无法覆盖狭窄范围的主题。另外，由于社区的数量巨大，其中许多社区处于形成阶段，现在的社区也在不断更新。因此，通过人工的方式去跟踪这些社区是非常困难的。因此，需要开展自动化或半自动化的社区发现技术，发现技术主要针对那些潜在的、即将形成的社区。随着社区发现技术的不断开展，已经出现了一些网络社区的发现技术。小学三年级班主任寄语
本章节从总体上介绍了选题的背景和意义、当前的研究现状、本文主要研究的内容以及论文的结构及安排。

图1.1 社区结构

1.1研究的背景
网络社区发现研究由于其具重要的理论意义和应用价值成为近年来热门的研究课题之一，同时也受到了越来越多研究人员的关注。网络社区就是社区网络化、信息化，简而言之就是一个以成熟社区为内容的大型规模性局域网，涉及到金融经贸、大型会展、高档办公、企业管理、文体娱乐等综合信息服务功能需求，同时与所在地的信息平台在电子商务领域进行全面合作。从网络社区发现方法的角度来看，网络社区是异构多重关系的数据集合，节点表示对象，边表示对象之间的关系。
1.3论文的组织结构
本设计介绍了多个网络社区发现算法，对他们实现的方法和原理进行具体的了解，并且进行比较，了解他们的优缺点，算法的内容和计算的过程。本文主要介绍了GN算法，基于潜在语义的网络社区算法，派系过滤算法。然后将他们三者进行比较，并对GN算法进行了详细的设计。论文的组织结构如下：
第1章是绪论部分，讲述了本篇论文的大致情况。
第2章介绍了网络社区发现算法并对他们进行比较。
第3章是写GN算法的设计过程并进行测试。
第4章是写作整个毕业设计的结论
1.4课题的目的和意义
随着万文网的普及，人们的信息来源得到极大地丰富，网络成为人们获取信息的主要来源之一。网络是由大量异构的抄文本及它们之间的超链接所组成的分布式信息源，而且正以几何级数增长，网络上分散存储、动态变化的海量数据对如何发现和提取其中的有用信息提出了很大的挑战。根据网络社区从互联网中提取知识一种快速、有效地知识提取途径。社区一组互相紧密联系的具有共同主题的网页集合，通过它可以有效地重新组织和管理网络数据。社区发现是指在分散和无序的互联网环境中发现潜在的和已定义的主题社区，并从互联网中提取这些社区的工程。
随着信息网络研究工作的深入，其社区发现方法不断呈现，目前越来越多的学者和专家对GN发现算法进行研究。本文主要研究⑴基于数据场的网络社区发现算法⑵基于潜在语义的网络社区发现算法⑶基于DNA遗传算法的复杂网络社区结构发现算法这3个网络社区发现算法并进行比较。

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] 下一页

GN算法的设计与源代码+网络社区发现算法分析与比较 第2页下载如图片无法显示或论文不完整，请联系qq752018766