基于夏普利值的多关系社区检测

发布时间：2017-06-11 10:11

  本文关键词：基于夏普利值的多关系社区检测，由笔耕文化传播整理发布。

【摘要】：人和人之间的互动和合作形成了社交活动,各种社交活动使得人们的生活多姿多彩。社会网络分析就是研究人们相互之间的互动和合作所产生的行为模式,一直以来都是学者研究的一个热点领域,社区检测是社会网络分析的一个重要研究方向。随着通信技术的不断升级,人与人之间的沟通更为便利。Web2.0的出现给人们的社交活动带来了革命性的改变,随着twitter, facebook,人人网,微博等具有代表性的社交媒体的流行,真实交际和虚拟交际之间的界限越来越模糊。对线上社交网络的分析研究所得到的成果,能够间接或直接反映出真实的人际社交,网络分析的重要性日益体现出来,网络分析对打击犯罪,社会研究,病毒传播,电子商务等方面都发挥重要作用。 当前的社区发现研究方向大多集中在单关系社会网络,给出的社区划分仅体现一种关系下的结果。在现实社会中,人与人之间的关系错综复杂,一般来说,关系数目都是大于一的。每一种关系就代表一种网络,网络的表现各不相同,这些关系相互影响,彼此渗透,真实反映了人们的社交行为。多关系能够提供更丰富的交互信息,更加真实的社交场景。因此,在多关系背景下研究社交网络具有现实意义。 本文提出基于合作博弈shapley值的多关系社区发现算法(SHMRCD),该算法提出比较公平的个体收益分配方案,根据用户需求对多关系进行组合,不用预先设定社区划分的数目,将社区形成过程模拟为每个个体的理性选择过程,每个个体的理性选择是在多个关系的权衡下做出的决策,体现了多关系的综合影响,自动生成社区划分结果。对模块度的方法进行扩展对社区划分质量进行评价。大量实验表明本文的算法对于多关系社区的检测在某种程度上是适用的。
【关键词】：社会网络 多关系 社区发现 夏普利值 模块度
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 研究背景和意义8-9
• 1.2 研究现状9-12
• 1.3 本文主要研究工作12
• 1.4 本文组织结构12
• 1.5 本章小结12-14
• 第二章 本文相关理论介绍14-30
• 2.1 社区检测概述14-21
• 2.1.1 社区的定义14-17
• 2.1.2 单关系社区检测经典算法17-20
• 2.1.3 社区划分质量评价20-21
• 2.2 基于合作博弈的单关系社区发现21-25
• 2.2.1 合作博弈概念21-24
• 2.2.2 合作博弈的社区检测模型24-25
• 2.3 多关系网络分析25-29
• 2.3.1 多关系网络定义25-27
• 2.3.2 多关系社区检测相关研究27-29
• 2.4 本章小结29-30
• 第三章 基于夏普利值的多关系社区检测算法30-40
• 3.1 基本定义30-33
• 3.1.1 多关系网络的权重30-31
• 3.1.2 多关系网络的夏普利值的计算31-32
• 3.1.3 多关系社区的模块度计算32-33
• 3.2 多关系社区检测算法SHMRCD33-38
• 3.2.1 算法思想33-34
• 3.2.2 算法步骤34-36
• 3.2.3 本文算法伪代码36-37
• 3.2.4 算法复杂度分析37
• 3.2.5 计算性能优化策略37-38
• 3.3 本章小结38-40
• 第四章 实验分析40-48
• 4.1 人工模拟网络40-43
• 4.2 小规模社区划分43-45
• 4.3 社区检测效果评价45-46
• 4.4 本章小结46-48
• 第五章 总结与展望48-50
• 5.1 本文工作总结48
• 5.2 未来工作展望48-50
• 参考文献50-54
• 致谢54

【共引文献】

中国期刊全文数据库 前10条

1 武志昊;林友芳;田盛丰;唐锐;;高度重叠社区的社区合并优化算法[J];北京交通大学学报;2011年03期

2 陈宏斌;胡延庆;狄增如;;元胞自动机法寻找社团结构[J];北京师范大学学报(自然科学版);2008年02期

3 吴亚晶;王洋;樊瑛;;基于转移矩阵P的复杂网络聚类方法[J];北京师范大学学报(自然科学版);2011年01期

4 陈东明;徐晓伟;;一种基于广度优先搜索的社区发现方法[J];东北大学学报(自然科学版);2010年03期

5 汪小帆;刘亚冰;;复杂网络中的社团结构算法综述[J];电子科技大学学报;2009年05期

6 张聪;沈惠璋;;网络自然密度社团结构模块度函数[J];电子科技大学学报;2012年02期

7 刘继;邓贵仕;;基于加权谱分析的用户网络社团协作推荐方法[J];大连理工大学学报;2010年03期

8 时京晶;;三种经典复杂网络社区结构划分算法研究[J];电脑与信息技术;2011年04期

9 周斌;程慧;杨立志;裴国庆;;基于贪婪算法的符号网络中社团结构快速发现算法[J];大众科技;2009年12期

10 孙茜雅;;基于最小熵聚类的社团检测算法[J];电子科技;2012年03期

中国重要会议论文全文数据库 前5条

1 陈宏斌;樊瑛;狄增如;方锦清;;二元随机网[A];第四届全国网络科学学术论坛暨研究生暑期学校论文集[C];2008年

2 单波;姜守旭;张硕;高宏;李建中;;IC:动态社会关系网络社区结构的增量识别算法[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

3 Shengfu Zhou;Kun Yue;Qiyu Fang;Yunlei Zhu;Weiyi Liu;;An Efficient Algorithm for Influence Maximization under Linear Threshold Model[A];第26届中国控制与决策会议论文集[C];2014年

4 Xiangtao Chen;Houwang Xing;;A Fast Method for Community Detection Based on the Contribution of Nodes[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

5 毕娟;秦志光;黄嘉;;Dynamic Topic Model for Detecting Community in Social Networks[A];第十一届全国博士生学术年会——信息技术与安全专题论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 杨树忠;复杂网络中的社团检测问题研究[D];北京交通大学;2009年

2 彭佳扬;代谢网络中功能模块挖掘和进化分析研究[D];中南大学;2011年

3 高洋;面向对象软件的结构特性及演化模型的研究[D];北京邮电大学;2011年

4 黄发良;Web信息网络社区挖掘的关键技术研究[D];华南理工大学;2011年

5 史伟;基于复杂网络的拓扑与信息传输问题研究[D];天津大学;2010年

6 顾磊;社会网络：拓扑性质与代数性质[D];上海交通大学;2011年

7 刁克功;分区管理模式给水管网的水力分析与模拟技术研究[D];北京工业大学;2011年

8 赖大荣;复杂网络社团结构分析方法研究[D];上海交通大学;2011年

9 张颖星;面向复杂系统应用的并行离散事件仿真性能优化技术研究[D];国防科学技术大学;2011年

10 李淑静;复合复杂网络模型研究与应用[D];青岛大学;2011年

  本文关键词：基于夏普利值的多关系社区检测，，由笔耕文化传播整理发布。

本文编号：441372