导读:本文包含了节点兴趣论文开题报告文献综述及选题提纲参考文献，主要关键词:P2P网络,拓扑结构,兴趣相似度,二叉搜索树
节点兴趣论文文献综述
庄伟[1]（2018）在《基于节点兴趣非结构化P2P网络搜索机制研究》一文中研究指出随着网络用户以及网络资源的增长,P2P网络,一种在对等者(peer)之间分配任务和工作负载的分布式应用架构,引起了广泛关注。由于具有较好的可用性、可扩展性,非结构化P2P网络成为P2P网络研究的热点。现今对于非结构化P2P网络资源搜索算法的研究主要是在洪泛算法的基础上进行一定的改进,但这些算法存在明显的问题:一是算法在搜索过程中有一定的盲目性,搜索效率不高;二是搜索过程中会向所有邻居节点发送消息从而产生大量的冗余消息,易造成网络阻塞。针对上述问题,提出一种基于节点兴趣的非结构化P2P覆盖网络拓扑结构,在相似度较高的节点之间建立二叉搜索树来降低查询消息转发的盲目性并提高搜索效率。仿真结果表明,与传统的洪泛算法相比,提出的非结构化P2P网络搜索机制查询时间更短,查询消息量更少,搜索效率更高。(本文来源于《计算机技术与发展》期刊2018年05期）
庄伟[2]（2017）在《基于节点兴趣的非结构化P2P网络搜索机制的研究》一文中研究指出P2P(Peer-to-Peer)网络又名对等网络,主要应用在文件共享、流媒体即时通讯和资源搜索等领域。与传统的C/S模式不同的是,P2P网络减少了对中央服务器依赖,并且具有扩展性好、负载均衡等优势。P2P网络中所有节点都是对等体,网络中所有节点既能向其他节点进行资源或者服务的请求,又可以享受其他节点所提供的服务。非结构化P2P网络由于拓扑简单、资源搜索容易实现、网络限制少等特点,获得了越来越多的关注。现今对于非结构化P2P网络资源搜索算法的研究主要是在洪泛算法的基础上进行一定的改进,但这些算法存在明显的问题:一是算法在搜索过程中有一定的盲目性,是一种随机搜索,搜索效率不高;二是搜索过程中会向所有邻居节点发送消息从而产生大量的冗余消息,这容易造成网络阻塞。本论文针对非结构化P2P网络中资源搜索算法的缺点,提出了下面叁个方面的改进:1.针对非结构化P2P网络自适应和松散特性,提出了一种基于兴趣相似度的非结构化P2P覆盖网络拓扑结构,将兴趣相似度值较高的节点之间通过构建二叉搜索树建立逻辑连接。在二叉搜索树中根节点左边的节点与根节点之间兴趣相似度小于根节点本身阈值,而右边节点与根节点之间兴趣相似度则大于等于根节点本身的阈值。由于二叉搜索树本身的特性,在资源搜索的过程中该算法可以获得更高的搜索成功率,并且会极大减少搜索过程中的冗余消息。2.针对传统蚁群算法搜索效率较低和过多的依赖于路径信息浓度导致容易陷入局部最优解的问题,本文在搜索过程通过对节点信誉评价从而优化查询请求的传递,同时引入了伪随机比例的规则,使在资源搜索过程中可以访问到更多的节点,从而有效的避免了蚁群算法过早陷入局部最优解的问题。3.在基于改进蚁群算法的非结构化P2P网络搜索算法的基础上,针对蚁群算法中常见的计算量过大的问题,提出了一种新蚁群算法的非结构化P2P网络搜索算法。本文将构建二叉树拓扑结构,在二叉树中子节点将自己的资源存储在父节点中。在利用蚁群算法进行资源搜索过程中只有部分节点会参与资源搜索和查询请求的转发,这在一定程度上减少了节点的转发,降低了蚁群算法的计算量。(本文来源于《南京邮电大学》期刊2017-10-26）
樊梦佳[3]（2015）在《节点内容和链接关系相融合的微博用户兴趣社区发现》一文中研究指出随着互联网技术的飞速发展,社交网络的模式也从以往的真实网络转变成为了互联网上的虚拟网络。微博作为一种新兴的社交网络,其内容短小、发布时间快和形式多种多样的特点正好迎合了现在人们对于信息获取实时、便捷的需求,受到了人们的热烈追捧。对社交网络进行分析,发现社交网络中的社区结构对网络划分、好友推荐和微博营销等具有十分重要的意义。传统的社区发现方法一般将新兴的微博社交网络与传统社交网络等同看待,忽略了个体所具有的属性信息。在微博网络中,用户一般依据兴趣爱好进行信息的浏览与获取,所以用户的微博信息、关注信息、甚至是用户的基本信息都是用户兴趣的体现。俗话说,“人以类聚,物以群分”,如果可以发现拥有共同兴趣的用户群体,那么对于好友推荐和微博营销等就提供了新的切入点与研究方向。本文将根据微博网络所具有的特点,结合传统的社区发现方法,对微博用户兴趣社区发现的方法进行研究,主要的研究工作包括以下几个方面:(1)新浪微博数据获取方法研究采用了一种基于WebBrowser控件的方法实现微博数据获取。通过模拟用户登录,分别从用户的微博信息页面、关注页面和粉丝页面进行了数据爬取,再利用正则表达式进行数据匹配,获得本文所需数据。(2)微博意见领袖挖掘方法研究提出了一种利用微博属性信息和关注信息的意见领袖挖掘方法。通过分析微博用户的特点,分别构建了基于用户属性信息的初始影响力计算模型和基于用户关注关系的影响力扩散模型,并给出了用户影响力的定量化计算方法。并通过阈值分析,确定了最终意见领袖用户。(3)基于用户内容的兴趣社区发现方法研究提出了一种基于K-means聚类算法的兴趣社区发现方法。通过分析意见领袖和普通微博用户的不同特点,分别构建了意见领袖兴趣发现模型和普通微博用户兴趣发现模型。在获取的用户兴趣信息的基础上,利用K-means聚类算法实现兴趣社区的发现。(4)基于链接关系的社区发现方法研究提出了一种基于聚集系数的局部社区发现算法。通过分析复杂网络的结构特点,定义了点聚集度的概念,通过分析节点之间的点聚集系数、边聚集系数等概念对节点进行群体的划分,最终实现社区发现。(5)微博用户兴趣社区发现系统设计与实现采用windows窗体应用程序实现了微博用户兴趣社区发现系统平台的整体设计与实现。介绍了系统的整体框架设计和各子模块的功能实现。在所构建的系统平台基础上,通过实验,验证了以上所提方法的有效性。(本文来源于《北京信息科技大学》期刊2015-12-01）
李晟,刘林峰,陈行[4]（2015）在《基于节点优先权和兴趣数据筛选的传感器网络分簇算法》一文中研究指出无线传感器节点工作时仅由自身携带的电池供电,因此高效控制节点能耗可以延长整个网络生命周期,提高网络整体利用率。针对环境监测类场景,提出了一种基于节点优先权和兴趣数据筛选的分簇算法,该算法同时考虑了节点分布距离和剩余能量,将这两个属性换算成簇头选举的优先权权值。此外,在簇头确定后簇头通过相应的数据筛选方法对每一轮子节点发来的数据进行处理,有选择地将数据传到基站。仿真结果表明,该算法在能量控制方面有较好的表现,明显地延长了网络生命周期。(本文来源于《计算机科学》期刊2015年S2期）
桂思思,陆伟,黄诗豪,周鹏程[5]（2015）在《融合主题模型及多时间节点函数的用户兴趣预测研究》一文中研究指出【目的】针对用户兴趣随时间推移不断变化的问题,利用主题模型及时间节点函数预测用户兴趣。【方法】使用主题模型生成用户兴趣,针对用户的所有兴趣,分别利用多时间节点函数对每个兴趣的每次出现进行加权,用以预测用户兴趣在下一个时间节点的分布情况。【结果】在Sogou搜索日志上,与基于记忆的用户兴趣模型、基于遗忘曲线的用户兴趣度多阶段量化模型进行对比实验,余弦相似度及KL(Kullback-Leibler)距离均表明本文方法能较准确地预测用户兴趣。【局限】仅在Sogou搜索日志上进行实验测试,还需在其他数据集上进一步检验。【结论】充分考虑用户历史数据中每一个时间点可更准确地对用户兴趣进行预测。(本文来源于《现代图书情报技术》期刊2015年09期）
高媛,王淑敏,孙建飞[6]（2015）在《基于用户兴趣相似性的节点移动模型》一文中研究指出针对现实生活中人们的社交关系和兴趣爱好对节点进行社会活动的驱动作用,提出了一种基于用户兴趣相似性的节点移动模型。该模型将节点对活动的感兴趣程度抽象为一个兴趣概率矩阵,利用皮尔逊相关系数计算节点的兴趣相似群体。仿真实验表明,该模型在一定时间范围内节点的相遇时间间隔和相遇持续时间的互补累积分布函数近似服从幂律分布,更加接近真实数据集统计结果得到的曲线,同时也表明了节点在进行夜间活动时,具有很强的时空规律性。(本文来源于《计算机应用》期刊2015年09期）
何可[7]（2015）在《基于节点兴趣的非结构化P2P网络资源搜索技术研究》一文中研究指出近年来,随着网络用户和互联网技术的快速发展以及资源信息的迅速膨胀,对于P2P网络(Peer to Peer network,对等网络)技术的研究成为了一大热点。P2P网络和传统的C/S(客户端/服务器)集中式网络模式相比,具有可扩展性好、自组织以及容错能力强等优点,且不再有中央服务器的存在。网络中的所有节点都是对等的角色,在网络中不仅可以充当客户端角色,同时也能充当服务端角色,为其他节点提供资源的同时也从其他节点处获取所需资源。然而在网络用户和资源不断迅速增长的现状下,如何在海量的节点资源中,通过对网络的低消耗,加快节点对所需资源的搜索和定位,是如今研究P2P网络技术的一大重难点。论文主要针对非结构化P2P网络拓扑结构及资源搜索算法分析和研究,工作包括以下叁个方面：1.在对已有算法的研究和分析基础上,针对于非结构化P2P网络中的节点组织的特点：动态化、管理松散,没有固定的逻辑地址,提出一种基于节点兴趣的非结构化P2P网络的完全二叉树拓扑结构。网络中节点都有自己感兴趣的内容,为兴趣相似度值高的节点建立逻辑连接,并选择综合性能最好的超级节点作为根节点,结合完全二叉树结构特征构造出基于节点兴趣的非结构化P2P网络的完全二叉树拓扑结构,其中兴趣相似度值越高的节点逻辑位置越近。在资源搜索过程中,优先在和搜索请求有更高兴趣相似度的节点之间进行转发和查询,能有效减少在无关节点上的资源消耗。2.基于构建的兴趣完全二叉树拓扑结构提出一种间隔式双向搜索算法,将网络节点分为查询节点和普通节点,查询节点存储了左右孩子节点的资源索引信息以及孙子节点的地址链接信息。在资源搜索过程中,可以跳过在孩子节点上的转发,直接将查询消息转发给自己的孙子节点,在一定程度上可以优化资源搜索过程中由于转发次数过多产生的网络冗余消息。3.最后采用PeerSim仿真模拟器对所提出的算法进行实验和仿真,通过比较产生的消息总量,搜索成功率,平均路径长度等验证其有效性。(本文来源于《陕西师范大学》期刊2015-05-01）
王淑敏,高媛,孙建飞[8]（2015）在《兴趣社区引导的机会社会网络节点移动模型》一文中研究指出在机会网络节点移动模型的研究中,不同的移动模型对网络协议的性能具有不同影响,因此选择合适的移动模型至关重要。针对一些社会服务性活动中人类表现出的社会性移动特征,提出一种适合于相关场景的基于兴趣的节点移动模型。上述模型根据社会网络中的节点中心性对社区里的节点进行划分;同时使用人类动力学知识描述节点信息,使节点兴趣具有时变性。仿真结果表明,上述模型比随机路点移动模型和社区移动模型更接近实际数据集的统计结果。(本文来源于《计算机仿真》期刊2015年02期）
何可,吴晓军,张玉梅[9]（2016）在《基于节点兴趣的非结构化P2P网络拓扑结构研究》一文中研究指出针对非结构化P2P网络中资源搜索算法搜索效率低、冗余消息量过多等问题,结合非结构化P2P网络拓扑结构特点,提出一种基于节点兴趣的完全二叉树(CBT-BI)非结构化P2P覆盖网络拓扑结构。在兴趣相似度高的节点之间建立逻辑连接,根据兴趣相似度值在完全二叉树中按序排列;在资源搜索过程中,使用基于洪泛算法的双向资源搜索方法。仿真结果表明,该拓扑结构使得节点能在短时间内查找到有效的资源,减少查询消息量,缩短了平均路由路径,提高了资源搜索效率。(本文来源于《计算机工程与应用》期刊2016年09期）
刘艳敏,鲍溪清[10]（2014）在《基于节点兴趣的混合P2P网络》一文中研究指出针对P2P网络在搜索资源时往往无法快速准确的定位目标,提出一种节点兴趣分组以及分层结构的P2P网络结构.网络拓扑在分布时将兴趣相似度高的节点放到一个兴趣组中,节点在搜索资源时就会更准确的定位在离自己距离近的同时也是兴趣最相似的节点上,减少了查询消息的路由转发.同时应用分层的管理,对整个网络中的节点功能细化,使得网络的稳定性和可扩展性得到优化.实验结果表明,采用兴趣分组和结构分层的网络访问延时得到有效控制,搜索成功率也得到提高.该算法在缩短路由跳数的同时还提高了搜索的精准率.(本文来源于《大连交通大学学报》期刊2014年S1期）
节点兴趣论文开题报告
（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：
P2P(Peer-to-Peer)网络又名对等网络,主要应用在文件共享、流媒体即时通讯和资源搜索等领域。与传统的C/S模式不同的是,P2P网络减少了对中央服务器依赖,并且具有扩展性好、负载均衡等优势。P2P网络中所有节点都是对等体,网络中所有节点既能向其他节点进行资源或者服务的请求,又可以享受其他节点所提供的服务。非结构化P2P网络由于拓扑简单、资源搜索容易实现、网络限制少等特点,获得了越来越多的关注。现今对于非结构化P2P网络资源搜索算法的研究主要是在洪泛算法的基础上进行一定的改进,但这些算法存在明显的问题:一是算法在搜索过程中有一定的盲目性,是一种随机搜索,搜索效率不高;二是搜索过程中会向所有邻居节点发送消息从而产生大量的冗余消息,这容易造成网络阻塞。本论文针对非结构化P2P网络中资源搜索算法的缺点,提出了下面叁个方面的改进:1.针对非结构化P2P网络自适应和松散特性,提出了一种基于兴趣相似度的非结构化P2P覆盖网络拓扑结构,将兴趣相似度值较高的节点之间通过构建二叉搜索树建立逻辑连接。在二叉搜索树中根节点左边的节点与根节点之间兴趣相似度小于根节点本身阈值,而右边节点与根节点之间兴趣相似度则大于等于根节点本身的阈值。由于二叉搜索树本身的特性,在资源搜索的过程中该算法可以获得更高的搜索成功率,并且会极大减少搜索过程中的冗余消息。2.针对传统蚁群算法搜索效率较低和过多的依赖于路径信息浓度导致容易陷入局部最优解的问题,本文在搜索过程通过对节点信誉评价从而优化查询请求的传递,同时引入了伪随机比例的规则,使在资源搜索过程中可以访问到更多的节点,从而有效的避免了蚁群算法过早陷入局部最优解的问题。3.在基于改进蚁群算法的非结构化P2P网络搜索算法的基础上,针对蚁群算法中常见的计算量过大的问题,提出了一种新蚁群算法的非结构化P2P网络搜索算法。本文将构建二叉树拓扑结构,在二叉树中子节点将自己的资源存储在父节点中。在利用蚁群算法进行资源搜索过程中只有部分节点会参与资源搜索和查询请求的转发,这在一定程度上减少了节点的转发,降低了蚁群算法的计算量。
（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。
节点兴趣论文参考文献
[1].庄伟.基于节点兴趣非结构化P2P网络搜索机制研究[J].计算机技术与发展.2018
[2].庄伟.基于节点兴趣的非结构化P2P网络搜索机制的研究[D].南京邮电大学.2017
[3].樊梦佳.节点内容和链接关系相融合的微博用户兴趣社区发现[D].北京信息科技大学.2015
[4].李晟,刘林峰,陈行.基于节点优先权和兴趣数据筛选的传感器网络分簇算法[J].计算机科学.2015
[5].桂思思,陆伟,黄诗豪,周鹏程.融合主题模型及多时间节点函数的用户兴趣预测研究[J].现代图书情报技术.2015
[6].高媛,王淑敏,孙建飞.基于用户兴趣相似性的节点移动模型[J].计算机应用.2015
[7].何可.基于节点兴趣的非结构化P2P网络资源搜索技术研究[D].陕西师范大学.2015
[8].王淑敏,高媛,孙建飞.兴趣社区引导的机会社会网络节点移动模型[J].计算机仿真.2015
[9].何可,吴晓军,张玉梅.基于节点兴趣的非结构化P2P网络拓扑结构研究[J].计算机工程与应用.2016
[10].刘艳敏,鲍溪清.基于节点兴趣的混合P2P网络[J].大连交通大学学报.2014