7篇关于复杂网络的计算机毕业论文

今天分享的是关于复杂网络的7篇计算机毕业论文范文, 如果你的论文涉及到复杂网络等主题,本文能够帮助到你

合著者网络中发掘者的识别方法及其预测能力研究

这是一篇关于复杂网络,重要节点,Achlioptas过程,发掘者,合著者网络的论文, 主要内容为时至今日,复杂网络已成为研究者们研究复杂系统和处理复杂数据的有效框架。复杂网络的重要节点是指那些与网络中其他节点相比,对网络的组织结构和网络的动力学行为具有更大影响力的节点。网络重要节点的识别一直以来都是网络科学所关注的热点问题。利用识别出的重要节点,研究者们不仅可以加深对于网络结构和网络功能的理解,还可以在复杂系统中实现攻击、同步控制等一系列极具价值的应用。网络中的发掘者,则是社会系统中一类非常特殊的重要节点,其与网络中的其他节点存在特定的相互作用关系,且对其他节点能否成功具有一定的预测能力。已有的研究表明,发掘者广泛存在诸如线上电商网络,线下实体经营网络,社交网络等社会系统中。在本文中,我们同样证实了发掘者在合著者网络中的存在。在合著者网络中,研究者们发现与顶级科学家进行合作的初级研究者往往能够获得长期的职业生涯竞争优势,而我们的研究发现,与合著者系统中的发掘者进行合作同样对职业生涯大有裨益。因而,发掘者的识别具有非常重要的理论和实际应用价值。本文的主要工作内容如下:1.介绍了复杂网络、重要节点识别、科学学等一系列基本概念和理论模型,并综述了复杂网络中发掘者识别问题的研究进展。2.针对现有的网络重要节点识别方法所存在的问题,我们在简单不含时网络上,基于Achlioptas过程提出了一种普适性极强的网络重要节点识别方法,验证了其在真实网络的良好表现,研究了网络密度、网络模型、网络聚类系数、同配性等不同网络结构因素和保护策略、噪声等非网络结构因素对该方法的影响,并探究了其在应用价值方面的独到之处以及模型的计算复杂度。3.聚焦合著者网络,证明了合著者网络中不同研究者具有不同的发掘能力以及发掘者的存在,并建立了识别发掘者的模型,实现了对合著者系统中发掘者的识别工作。此外,我们探究了发掘者对于初级研究者职业生涯的作用,发现在职业生涯初级阶段与发掘者进行合作有利于初级研究者进一步的成功,即发掘者对于初级研究者的职业生涯具有促进作用。4.证明了发掘者具有预测初级研究者未来的职业生涯成功与否的能力,并通过与经典的中心性指标的进一步比较,说明了发掘者具有很强的预测能力。

基于局域核心择优模型的B2B电商网络建模仿真研究

这是一篇关于复杂网络,B2B电商网络,局域核心择优模型,鲁棒性的论文, 主要内容为电子商务的快速发展,越来越多的企业选择加入到B2B电子商务平台中,企业之间交流合作越发频繁。针对电商平台中合作网络的复杂性,企业个体很难处理平台中错综复杂的关系网络的风险。因此本文基于复杂网络理论和网络仿真技术,建立B2B电商网络模型,从复杂网络的角度研究平台中企业间的合作网络,有利于平台把控风险。首先从B2B电商网络形成的角度分析了B2B电商网络的网络特征以及网络的演化动因,根据相关分析提出了电商网络的动态规则、局域择优连接规则和核心演化规则。然后在分析BA无标度网络局限性的基础上,根据提出的B2B电子商务交易的规则,构建了局域核心择优演化模型,通过仿真实验得到一个具有小世界性的B2B电商网络模型。接着在构建B2B电商网络后,分析了B2B电商网络的复杂性和风险性,提出B2B电商网络风险具有传递性、动态性和随机性。给出电商网络的复杂性和鲁棒性新的测度方法。最后通过复杂性实验验证了B2B电商网络模型具有复杂性和无标度性;鲁棒性实验结果发现,电商网络对随机节点和随机边的干扰具有较强的鲁棒性,以及节点的干扰比边的干扰对网络效率的影响更大。当网络企业节点和企业间的关系受到不同经营风险退出时,根据其对网络效率的影响,给平台管理者提出了相关建议。

基于网络关系特征的混合推荐算法研究

这是一篇关于推荐系统,关系特征,复杂网络的论文, 主要内容为随着计算能力和存储能力的提升,我们正在进入DT时代。数据量爆炸式增长,寻找内容的代价不断提升,由此人们陷入严重的信息过载中。推荐系统作为解决信息过载问题的一种重要形式,近年得到了快速的发展。尤其在电商领域,推荐应用场景更加广泛,推荐系统可以为商户解决长尾商品的营销问题,同时也可以为用户提供符合偏好的个性化推荐,提升用户体验。推荐系统在电商的发展过程中起到了重要作用。传统的协同过滤算法固然是很成熟的推荐算法。首先协同过滤是性价比很高的推荐算法,它需要最少的领域知识就可以建立模型而且无需复杂的特征工程。它体现的是集体智慧的思想。其次,它能在一定程度上解决未交互商品的推荐问题。在内容特征不足但用户行为数据丰富的情况下更能凸显其优势。但是协同过滤也面临着一些瓶颈。首先是冷启动的问题。当新User、Item出现时由于缺乏必要的行为数据,会严重损害推荐系统的性能。其次,它无法解决行为数据稀疏的问题,这将影响算法的效果。除此之外,它无法加入更多的特征去刻画User、Item,如果只是改进相似度函数,这对算法效果的提升并不明显。推荐系统在电商场景下最重要的作用是提升用户体验并引导成交,然而随着电商规模的扩大,数据计算量也飞速增长,传统的推荐算法无法满足需求。所以本文采用了基于Match、Rank的思路进行粗召回、精排序的推荐方法,这种混合推荐的机器学习方法更容易融入更多的特征,进而更精准地刻画用户喜好。在提升推荐精度方面本文通过复杂网络算法挖掘用户行为蕴含的关系特征,并将该维度的特征进行扩展应用到模型中去。其次,其次,本文还用K-Core算法提取核心节点用于Match阶段,这也可以看做是对噪声数据的清洗。该方法能够提升模型精度和鲁棒性。除此之外,还对本文用到的群落发现算法进行了分布式实现,使得大规模关系数据挖掘成为可能。从本文的实验以及结果分析中可以发现,这里提出的混合推荐算法能够显著提高推荐模型的效果。

基于网络节点属性的深度链路预测及推荐算法的研究

这是一篇关于复杂网络,链路预测,神经网络,推荐系统,经济复杂性的论文, 主要内容为复杂系统在自然社会中无处不在,而网络科学是描述、分析、理解、设计复杂系统最常用的理论框架。网络科学的研究内容十分广泛且丰富,学习节点属性对网络连边进行预测是当下热门的研究内容之一,其中链路预测和推荐算法的研究都是根据节点相似性对网络未来可能产生的连边进行预测。链接预测是网络科学中重要的研究方向之一,具有巨大的研究和实际应用价值。近年来,网络表示学习的方法通过学习节点特征,使得链路预测的研究取得了重大进展。然而,现有的特征学习方法没有考虑网络节点在不同社区中的属性。针对这个问题,本文提出一种基于网络节点属性的链路预测方法Graph-Splitter。该方法通过分析每个节点的自我中心网络,将节点划分至多个社区,并学习每个节点在所属社区中的角色向量,通过不同的神经网络模型将节点的多个角色向量表示为一个综合的特征向量。本文在四个开源的网络中,将Graph-Splitter算法与多种链路预测方法的精确度进行对比。实验结果表明,相比于经典的或近年最新提出的链路预测方法,本文提出的Graph-Splitter算法在预测准确性与节点可视化的研究中都取得了优异的结果。推荐系统是二分网络中链路预测方法的实际应用,是解决信息过载的有效策略。本文对传统的基于扩散理论的推荐算法进行了改进,提出了基于国家适应度的地理位置信息扩散算法。在国际贸易网络中,本文根据十五年的出口数据,使用推荐算法为国家推荐适合出口的商品,实验证明该算法在推荐的精确度和召回率上有很大的提高。与此同时,本文通过国家经济复杂性指标,进一步衡量了地理位置信息扩散算法的推荐结果。通过模拟国家出口推荐商品后,国家经济复杂性指标的演变过程,进一步说明:对于发展中的国家来说,基于国家适应度的地理位置信息扩散算法能提供有效的辅助信息,帮助决策者在制定国家发展轨迹与出口策略中做出更好的判断。

复杂网络的链路预测算法研究

这是一篇关于复杂网络,链路预测,拓扑结构,图嵌入,好友推荐的论文, 主要内容为网络是贯穿一切事物的形式,随着网络科学的迅速发展,极大的便利了人类生活。链路预测作为网络科学领域的重要研究方向之一,其主要任务在于根据已有的网络拓扑结构关系,来预测网络中节点间未来可能出现的连边关系。链路预测的研究不仅在理论层面,在科研合作网络、电商网络以及生物网络等领域也存在广泛的实际应用价值。如何提高链路预测算法的精度也因此成为了当前需要解决的首要问题。传统的基于网络拓扑结构的相似性方法原理简单,容易实现,且计算速度快,但并未考虑网络数据噪声对其预测精度的影响,而复杂网络的数据往往不可避免的伴随着噪声。基于机器学习的方法大多采用Deep Walk图嵌入方法与简单的二元分类器相结合的方式,不能很好的对网络节点进行向量表示以及链路预测。针对上述问题,本文在无向无权网络的条件下进行展开研究,具体研究工作和取得的成果主要包括以下3个部分:(1)为了提高传统的基于网络拓扑结构的相似性算法预测精度,提出了一种基于K-shell分解与邻居节点度去噪(k-shell decomposition with neighbor node degree denoising,KSDNN)的链路预测方法。KSDNN算法从网络优化去噪的角度,利用K-shell分解算法与节点邻居节点的度指标,从全局和局部两个层面对网络节点的重要性进行综合性评判,通过对噪声条件的设定,将判定为噪声的网络数据删除后,再进行链路预测。实验结果表明,KSDNN算法的预测精度相比于传统的基于网络拓扑结构的相似性算法在选取的6种不同规模的网络中是要更优的。(2)为了更好的对网络节点进行向量表示,便于下游的链路预测任务,同时更精确的进行链路预测,提出了一种基于Node2vec-RF的链路预测方法。Node2vec-RF算法将网络表示效果与分类效果更好的Node2vec算法与随机森林(random forest,RF)算法相结合,通过有偏的随机游走方式,对网络节点进行表示学习后,再利用RF算法将网络中可能存在的连边与不可能存在的连边进行二元分类。实验结果表明,Node2vec-RF算法相较于之前的Deep Walk算法与一般二元分类器相结合的方法在选取的6种不同规模的网络中具有更好的准确性。(3)在基于Node2vec-RF的链路预测方法基础之上,设计并实现了一个好友推荐系统,旨在帮助用户结交更多志趣相投的好友,有助于提升自身的综合能力。在系统内输入一个用户信息之后,通过调用Node2vec-RF预测模型,就可以向输入的用户推荐与其信息相似的10个好友,并将其可视化展现给用户。

地铁运营安全事故知识图谱的构建及分析

这是一篇关于地铁运营,知识图谱,安全事故,异构网络,复杂网络的论文, 主要内容为地铁作为主要公共交通工具之一,为繁重的路面交通减轻负担。地铁在解决城市拥堵问题同时,也随之带来难以预料的事故。目前,事故研究中大多仅对某类事故进行特定分析,或使用传统指标对事故模型进行分析,可能会忽视各类危险之间潜在的关联。此外,各式媒体平台快速发展,事故相关数据在种类和总量方面均大幅度提升,对数据抽取和分析提出更高的要求:如何保证信息抽取的准确性和客观性。所以,本研究拟借助知识图谱这一新兴网络工具,在较为全面、系统的角度下实现对安全事故的分析。同时为保证事故要素实体抽取的客观性和准确性,采用目前主流的信息抽取技术完成事故信息的抽取以实现地铁运营安全事故知识图谱的构建,最后,引入适应地铁运营安全事故知识图谱此类异构网络特征的分析指标对模型进行探索分析。在理论意义上实现对同构网络分析建模的拓展,挖掘节点之间更多潜在关联;在实践方面为地铁运营风险预防措施的制定提供更多的参考依据。(1)作者通过查阅国内外文献,总结出目前危险因素表现形式和事故分析方法,同时阐述知识图谱在地铁运营安全管理领域的研究现状和发展趋势,指出目前基于知识图谱这类异构网络的计算分析较少。在此基础上,介绍了知识图谱信息抽取技术的发展情况,确定了借助知识图谱作为安全事故分析工具,构建地铁运营安全事故知识图谱此类异构网络,并引入改进的指标进行网络分析。(2)基于系统分析方法,对地铁运营安全事故形成机理、事故类型和特征进行分析;同时,本研究对知识图谱组成要素、构建流程、应用优势进行概述分析。在上述分析的基础上,确定用5类要素实体:危险因素、危险频率、危险类型和事故后果、事故类型,通过先验知识划定3类实体关系:因果关系(Cause-Effect)、类属关系(TypeIs)和关联关系(HasValueof)实现对地铁安全事故在知识图谱中的可视化展示,提出以知识元作为事故要素实体的载体完成地铁运营安全事故知识图谱模式层构建,为知识图谱数据层的构建奠定理论基础。(3)根据安全事故图谱的模式层,对所需实体(危险因素、事故涉及地点和人员)展开抽取工作。运用python完成收集数据的文本预处理,分别加载BERT模型、BERT-CRF模型、BERT-BILSTM-CRF模型在相同实验环境中进行模型训练学习,最后完成所需实体抽取,得出BERT-BILSTM-CRF模型的综合抽取效果相较于前两种模型更优,其F1值为90.76%最高,达到预期值。最终,通过实体抽取获得了59个危险因素实体,并利用事故涉及地点和人员实体辅助完成危险类型的判定。(4)为实现因果关系的抽取,本研究人工构建5种因果规则模板,来完成因果句式的抽取,并通过依存句法分析对因果句式完成事件三元组的抽取,实现因果关系的抽取。经过人工校核,最终得到的危险因素之间、危险因素与事故后果之间共180条因果关系。因果关系抽取平均效果达到80.6%,总体效果良好。基于模式层的理论上,引入三个矩阵(因果关系矩阵、类属矩阵和值矩阵)将抽取的5类实体和3类关系按照关系类型逐步映射到netwokx中存储,成功构建地铁运营安全事故知识图谱数据层,为知识图谱此类异构网络的分析提供有力的数据支持。(5)基于地铁运营安全事故知识图谱的网络特征,引入因果主动接近度和因果被动接近度、危险直接可达性和危险直接来源性、局部连通性和全局连通性、中介风险和累积中介风险分布4个改进性指标对地铁运营安全事故知识图谱进行网络分析获取8个关键因素及其特征属性。同时,为保证引入指标的合理性和有效性,本研究对仅基于cause-effect关系的事故-致因网络利用4个复杂网络拓扑指标(度与度分布、路径平均长度、聚类系数和介数)进行网络分析得到8个关键因素及其特征属性,与知识图谱分析得到的结果进行对比。结果表明,在知识图谱更为系统、全面的展示角度下,可以成功挖掘到因素之间更多潜在的关联,为地铁运营安全风险预防措施的制定提供更多的参考依据。本研究包括图45副,表30个,参考文献106篇。