社会信息网络社区发现算法研究

发布时间：2022-01-09 14:40

　　社会信息网络普遍存在于现实世界中的许多领域，比如微博网络、电子邮件网络、科学合作网络等等。在现实生活中，这些网络通常以社区的形式组合在一起，社区结构具体表现为一组顶点的集合，在这个顶点集内部连接紧密而顶点集彼此之间连接比较稀疏。作为复杂社会信息网络的一个显著特征，社区结构一方面反映了目标网络个体之间联系的局部性；另一方面，社区结构影响甚至决定着发生在复杂网络上的动态过程。因此，社区结构的研究对阐明复杂信息网络的组织结构及功能具有非常重要的理论和实际意义。本文针对如何度量社区、如何发现社会信息网络中的社区结构的问题，研究了社会网络中许多高效的静态和动态社区发现算法。主要研究成果和创新之处包括：（1）基于对k均值思想以及其他相关算法的研究分析，本文提出了一种针对静态社会信息网络的社区发现算法（命名为KRRW）从社会网络中发现社区结构。KRRW采用一个简单的随机游走模型来减少k均值模型中算法对初始中心节点选择的强烈依赖程度。另外，文中还提出了一种改进的社区好坏评估方式DCD，DCD是基于社区的聚集性（clustering）这一衡量方式进行的改进，这一度量方式综合考虑了社区内及社区之间的连接密... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
ACKNOWLEDGEMENTS
LIST OF TABLES
LIST OF FIGURES
CHAPTER 1 INTRODUCTION
    1.1 Research background
    1.2 Research significance
    1.3 Research status
        1.3.1 Community
        1.3.2 Community detection
    1.4 Main contributions
    1.5 Organizations of this dissertation
CHAPTER 2 REVIEW OF COMMUNITY DETECTION ALGORITHMS
    2.1 Algorithms for static social information networks
        2.1.1 Hierarchical clustering
        2.1.2 Graph partitioning
        2.1.3 Other methods
    2.2 Algorithms for dynamic social information networks
        2.2.1 Facet Net
        2.2.2 Synchronization
    2.3 Evaluation metrics
        2.3.1 Modularity
        2.3.2 Stability
    2.4 Summary
CHAPTER 3 A K-REPRESENTATIVES COMMUNITY DETECTIONALGORITHM
    3.1 Introduction
    3.2 Proposed KRRW algorithm
        3.2.1 Main ideas
        3.2.2 Proposed discriminant community density
        3.2.3 The procedure of KRRW
        3.2.4 Modified KRRW
    3.3 Experiments
        3.3.1 Data sets
        3.3.2 Experimental Results
    3.4 Summary
CHAPTER 4 INCREMENTAL COMMUNITY DETECTION INDYNAMIC SOCIAL INFORMATION NETWORKS
    4.1 Introduction
    4.2 Preliminary work
        4.2.1 Definitions
        4.2.2 Proposed definition of core vertices
    4.3 Proposed ICDMC algorithm
        4.3.1 Analysis on increments
        4.3.2 The procedure of ICDMC
        4.3.3 Time complexity analysis
    4.4 Experiments
    4.5 Summary
CONCLUSION
REFERENCES
APPENDICES


【参考文献】：
期刊论文
[1]基于静态和动态的社会网络挖掘算法[J]. 于卓尔,周春光,杨滨,王建园,才华,徐昊,王喆.  吉林大学学报(理学版). 2008(05)



本文编号：3578907