复杂网络与互联网个性化信息服务的研究

论文摘要

继二十世纪末复杂网络的小世界效应及无标度性的发现之后，复杂网络的研究得到了越来越多的关注，来自各个学科的研究者们从各个层面对复杂网络展开了深入的研究，复杂网络已经成为一个充满生命力的交叉研究领域。目前，复杂网络的研究主要集中在两个方面：一方面是复杂网络理论性的分析与仿真，新的理论模型和新的分析方法不断涌现；另一方面是从现实网络中不断发现新结构与新现象，运用复杂网络理论来观察、理解和解决具体应用问题。 随着信息技术的发展和互联网的普及，Web2.0已经成为新一代互联网应用的发展趋势。Web2.0系统中存在着大量的非线性、自组织和涌现现象。将复杂网络研究与Web2.0相结合，不仅有助于正确认识和理解Web2.0，以及对Web2.0的下一步发展有指导性意义，同时也将启发、推动复杂网络的理论研究工作。 个性化是Web2.0的主要特点之一。个性化信息服务已经成为互联网应用的一个重要的研究热点，得到了越来越多研究者的关注。其中，用户建模，聚类、分类以及自动推荐技术又是个性化信息服务中的关键技术，这些技术的研究必将有力地推动互联网大规模的个性化信息服务。 本论文围绕以上几个方面，将复杂网络的理论方法与互联网个性化信息服务相结合，进行了深入的研究和实践。论文的主要内容为： 首先，将复杂网络的研究与Web2.0相结合。具体包括：一、用复杂网络的理论方法，研究Web2.0系统中存在的非线性机制，自组织和涌现现象。二、研究复杂网络中的社团(community)发现理论，提出具有交联结构的复杂网络中的可重叠社团发现算法。三、对Web2.0中一个具有交联结构的复杂网络中的社团结构进行统计分析。 其次，将复杂网络特征应用于关键词抽取和聚类分析中，具体包括：一、研究了汉语语言所组成的自然语言网络中的“小世界”特性，提出基于复杂网络特征的关键词抽取算法。该算法综合考察单词在语言网络中的连接度和聚集性质，抽取复杂网络综合特征值高的节点作为关键词，旨在找到那些可能相对低频，但对文章主题表达起重要作用的单词。二、在对复杂网络重要特征深入研究的基础

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 复杂网络
• 1.1.1 复杂性与复杂网络
• 1.1.2 复杂网络的重要特征和典型模型
• 1.1.3 Web2.0 与复杂网络
• 1.1.4 复杂网络研究现状
• 1.2 互联网个性化信息服务概述
• 1.2.1 互联网个性化信息服务
• 1.2.2 互联网个性化信息服务研究现状
• 1.3 本文工作内容与组织结构
• 1.3.1 本文工作内容
• 1.3.2 本文组织结构
• 第二章 复杂网络中社团发现理论与应用的研究
• 2.1 复杂网络中社团发现理论
• 2.1.1 复杂网络中社团发现概述
• 2.1.2 复杂网络中社团发现的研究现状
• 2.2 交联网络
• 2.3 可重叠的交联网络社团发现算法
• 2.3.1 相关概念
• 2.3.2 可重叠的交联网络社团发现算法
• 2.3.3 实验结果与分析
• 2.4 本章小结
• 第三章 复杂网络特征在关键词抽取和聚类分析中的应用研究
• 3.1 复杂网络特征在关键词抽取中的应用研究
• 3.1.1 语言网络及小世界特性
• 3.1.2 基于复杂网络特征的关键词抽取算法
• 3.1.3 实验结果与分析
• 3.2 复杂网络特征在聚类分析中的应用研究
• 3.2.1 K-means聚类算法
• 3.2.2 加权复杂网络的重要特征
• 3.2.3 基于加权复杂网络特征的K-means聚类算法
• 3.2.4 实验结果与分析
• 3.3 本章小结
• 第四章 互联网个性化信息服务中文本聚类与分类的研究
• 4.1 基于概念的文本聚类的研究现状及相关工作
• 4.1.1 基于概念的文本聚类研究现状
• 4.1.2 文本索引技术
• 4.1.3 文本降维技术
• 4.1.4 本体论与知网
• 4.1.5 词共现模型
• 4.2 基于语义和统计特征的中文文本表示方法
• 4.2.1 相关概念
• 4.2.2 义原选择策略
• 4.2.3 词义排歧
• 4.2.4 基于语义和统计特征的中文文本表示方法
• 4.2.5 实验结果与分析
• 4.3 基于CBR与商空间模型的文本分类研究
• 4.3.1 基于CBR的文本分类方法
• 4.3.2 粒度和商空间模型
• 4.3.3 基于CBR与商空间模型的文本分类研究
• 4.4 本章小结
• 第五章 互联网个性化信息服务中自动推荐系统的研究
• 5.1 用户模型的研究现状
• 5.2 自动推荐技术的研究现状
• 5.3 基于聚类与分类的个性化文章自动推荐系统研究
• 5.3.1 基于聚类的离线用户模型及用户群获取子系统
• 5.3.2 基于分类的在线个性化文章推荐子系统
• 5.3.3 实验结果与分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文主要结论
• 6.2 主要创新点
• 6.3 今后工作展望
• 参考文献
• 致谢
• 攻读博士期间发表论文
• 攻读博士学位期间参加的科研项目