电子邮件社团核心聚类的社团划分算法研究

发布时间：2021-02-04 16:48

　　近年来,随着复杂科学研究的不断深入,复杂网络被公认为是一种研究与描述自然界和人类社会中各类复杂结构的有效工具。现实生活中到处存在着复杂网络,无论是Internet或者WWW,交通线路或者大型电力网络,还是大规模集成电路或者生物网络。随着近年来研究人员对复杂网络的深入研究,他们发现这些复杂网络中普遍存在着一种共同的特征——社团结构。自动发现复杂网络中的社团对于有助于我们更好的开发利用这些网络。因此,它在社会学、生物学以及计算机科学等多个领域中具有极其重要的意义。社团结构是复杂网络的重要特征之一,社团结构的研究对于深入地了解网络结构大有裨益。迄今为止,许多研究人员投入到了社团结构挖掘的研究中,并且已经提出了各种各样的算法来快速而准确地发现网络的社团结构。但大多数算法需要整个网络的信息才能找到网络中的社团结构,很难将其用于大型网络中。此外,算法的时间复杂度和准确性的矛盾也是一个重大的研究课程。因此,社团结构的研究有待进一步地深化。本文探讨了电子邮件网络中的社团性质及其划分,提出了基于电子邮件社团核心聚类的社团划分算法。该算法通过分析邮件地址之间的通信行为来比较邮件地址之间的相似性,再通过社团... 

【文章来源】：华东理工大学上海市 211工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 诸论
    1.1 本文的研究背景
    1.2 本文的研究意义
    1.3 国内外研究动态
    1.4 本文的主要内容
第2章 聚类方法综述
    2.1 聚类分析概述
    2.2 聚类基本概念
    2.3 常用聚类算法分类
        2.3.1 划分方法
        2.3.2 层次方法
        2.3.3 基于密度的方法
        2.3.4 基于网格的方法
        2.3.5 基于模型的方法
    2.4 小结
第3章 复杂网络的社团结构与聚类方法
    3.1 社团结构定义
    3.2 复杂网络聚类方法综述
    3.3 基于优化的方法
        3.3.1 谱平分法
        3.3.2 基于局部搜索的方法
    3.4 启发式方法
        3.4.1 GN算法
        3.4.2 Radicchi算法
        3.4.3 派系过滤算法
    3.5 社团评价函数
        3.5.1 模块度
        3.5.2 社团有效直径和社团密度
    3.6 小结
第4章 基于社团核心聚类的社团划分算法
    4.1 基本思想概述
    4.2 基本概念
    4.3 邮件网络社团划分
        4.3.1 社团划分算法
        4.3.2 算法的优化
    4.4 实验数据介绍
        4.4.1 安然邮件数据集
        4.4.2 Epinion数据集
    4.5 实验结果与分析
        4.5.1 Enron数据集上的算法比较
        4.5.2 优化前后比较
        4.5.3 Epinion数据集上的算法比较
    4.6 小结
第5章 总结与展望
    5.1 本文总结
    5.2 未来展望
参考文献
致谢


【参考文献】：
期刊论文
[1]Community Detection in Dynamic Social Networks Based on Multiobjective Immune Algorithm[J]. 公茂果,张岭军,马晶晶,焦李成.  Journal of Computer Science & Technology. 2012(03)
[2]Discovering Typed Communities in Mobile Social Networks[J]. 万怀宇,林友芳,武志昊,黄厚宽.  Journal of Computer Science & Technology. 2012(03)
[3]Balanced Multi-Label Propagation for Overlapping Community Detection in Social Networks[J]. 武志昊,林友芳,Steve Gregory,万怀宇School of Computer and Information Technology,Beijing Jiaotong University,田盛丰.  Journal of Computer Science & Technology. 2012(03)
[4]A Posteriori Approach for Community Detection[J]. 石川,闫震宇,潘欣,蔡亚男,吴斌.  Journal of Computer Science & Technology. 2011(05)
[5]基于有向赋权图的垃圾邮件社团发现算法[J]. 黄胜宇,徐汀荣,王宏瑞.  微计算机信息. 2011(07)
[6]一种基于谱平分法的社团划分算法[J]. 谢福鼎,张磊,嵇敏,黄丹.  计算机科学. 2009(11)
[7]复杂网络聚类方法[J]. 杨博,刘大有,金弟,马海宾.  软件学报. 2009(01)
[8]邮件社区划分和小世界网络[J]. 李军利,赵红领,范明.  计算机应用. 2008(S1)
[9]复杂网络集团特征研究综述[J]. 张光卫,康建初,夏传良,李鹤松.  计算机科学. 2006(10)
[10]复杂网络中的社团结构分析算法研究综述[J]. 解(亻刍),汪小帆.  复杂系统与复杂性科学. 2005(03)

硕士论文
[1]有向赋权邮件社团结构发现研究[D]. 黄胜宇.苏州大学 2011
[2]基于主题及核心人物的邮件网络社区发现研究[D]. 彭玲.苏州大学 2010
[3]Internet AS层网络中的社团结构和地理特征[D]. 刘晓亮.西安理工大学 2008



本文编号：3018626