改进的标签传播社区发现算法及可视化展示

发布时间：2021-10-31 23:59

　　网络在现实生活中无处不在,如在社交领域中用网络对人与人之间的友谊和熟识程度进行建模;在生物领域中,使用网络对实现某一个功能所需要的蛋白质以及蛋白质之间的联系进行建模,从而有效地捕捉生物体内的代谢过程;在商业领域中,使用网络对用户和商品之间的关系进行建模,从而可以对用户进行商品推荐,提高用户购买效率和购买频率;在其他领域中,可以使用网络对不同实体之间的不同关系进行建模。其中,使用节点表示实体,边表示实体之间的关系。复杂网络的一个重要特征是实体趋于聚集在一起形成社区。社区发现算法通过发现网络中的社区来更好地展示复杂网络的结构、行为、动态性和组织性,使我们对网络的特性有更深层次的理解以便于捕捉到将网络作为一个整体来考虑时所不能捕捉到的有意义的特性。社区发现算法具有非常重要的研究意义和研究价值。针对现有的社区发现算法及可视化平台存在的问题,本文主要工作如下:（1）针对传统标签传播算法中由标签赋值过程所造成的标签震荡以及标签更新顺序的随机性造成的算法结果随机性,提出了一种基于随机游走的改进标签传播算法（Improved label propagation algorithm based on r... 

【文章来源】：山西大学山西省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

karate网络及经过种子节点选择策略所选择的种子节点

LPASN在karate网络上的划分结果

LPASN在dolphins网络上的划分结果

【参考文献】：
期刊论文
[1]一种基于标签传播的两阶段社区发现算法[J]. 郑文萍,车晨浩,钱宇华,王杰.  计算机研究与发展. 2018(09)
[2]一种面向蛋白质复合体检测的图聚类方法[J]. 王杰,梁吉业,郑文萍.  计算机研究与发展. 2015(08)
[3]复杂网络社区挖掘综述[J]. 刘大有,金弟,何东晓,黄晶,杨建宁,杨博.  计算机研究与发展. 2013(10)

硕士论文
[1]基于节点相似性的社区发现算法研究[D]. 车晨浩.山西大学 2019



本文编号：3469116