社区框架与隐藏社区的挖掘

发布时间：2017-07-31 15:38

  本文关键词：社区框架与隐藏社区的挖掘

  更多相关文章： 社会网络 社区框架 隐藏社区 节点中心度 传递性 属性相似度

【摘要】：随着信息化的发展,社会网络在人们的日常生活中扮演着越来越重要的角色,社会网络分析不仅仅受到了社会学家的重视,也受到了其他领域学者们的热捧。社会网络由参与者以及参与者之间的联系构成,其中参与者通常会出现聚簇现象,我们将这些簇称之为社区,同一个社区内部参与者具有相似的属性且联系紧密,不同社区之间联系稀疏且其属性各异。社会网络中社区结构的研究具有重要的理论指导意义和实践应用价值,它不仅有利于了解整个网络的功能结构,掌握其内部规律,预测其发展方向；也在电子商务、计算机病毒传播控制等方面起到了重要作用。经过多年发展,大量的社区挖掘策略被提出,通过研究学习我们发现这些策略有很多不足之处：社区挖掘时间复杂度过高、缺少与用户交互以及不能有效的针对不完整社会网络进行社区挖掘,为此本文做了下面三方面的工作。1.为解决现存社区挖掘策略时间复杂度过高、缺少与用户交互等问题。本文讨论了社会网络节点中心度、度的幂律分布等特性,提出了“关键子网络”和“社区框架”的概念,设计了社区框架挖掘算法(Mine the Community Framework, MCF)和社区框架钻取算法(Drill Down the Community Framework, DCF),其中MCF算法用于挖掘社会网络的社区框架,DCF用于对社区框架进行钻取,从不同粒度展现社会网络社区结构；2.为解决现存社区挖掘算法不能有效处理不完整社会网络的问题,讨论了社会网络的传递性以及节点属性相似度,提出了补偿矩阵的概念,设计了构建相对完整社会网络的方法,进而实现了隐藏社区挖掘算法(1mine the hidden community, MHC)。3.通过实验与分析,分别验证了所提出算法的有效性。MCF算法能够在较短时间内挖掘出反映整个网络社区概况的社区框架,社区框架钻取算法可以可控的实现整个网络的社区划分,MHC算法能够有效地处理不完整社会网络挖掘出其隐藏社区。
【关键词】：社会网络 社区框架 隐藏社区 节点中心度 传递性 属性相似度
【学位授予单位】：山东建筑大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 社区挖掘背景及意义9-11
• 1.2 社区挖掘算法研究现状11-14
• 1.2.0 基于划分的社区挖掘算法11
• 1.2.1 基于模块性优化的社区挖掘算法11-12
• 1.2.3 基于标签传播的社区挖掘算法12-13
• 1.2.4 基于动力学的社区挖掘算法13-14
• 1.3 本文的研究内容及贡献14-15
• 1.4 论文的组织结构15-16
• 第二章 相关理论和研究16-28
• 2.1 社区挖掘相关理论研究16-21
• 2.1.1 社区结构16-19
• 2.1.2 社区评价指标19-21
• 2.2 常见社区挖掘算法21-27
• 2.2.1 GN社区挖掘算法21-24
• 2.2.2 谱分解社区挖掘算法24-27
• 2.3 本章小结27-28
• 第三章 社区框架的挖掘及钻取28-41
• 3.1 社区框架的挖掘28-32
• 3.1.1 节点中心度28-30
• 3.1.2 度的幂率分布30-31
• 3.1.3 社区框架及其挖掘31-32
• 3.2 社区框架的钻取32-35
• 3.3 实验结果与分析35-40
• 3.3.1 实验数据及方案35-36
• 3.3.2 实验结果36-40
• 3.4 本章小结40-41
• 第四章 隐藏社区的挖掘41-48
• 4.0 补偿边矩阵的构建41-43
• 4.0.1 属性相似度矩阵的构建41-42
• 4.0.2 传递性矩阵的构建42-43
• 4.0.3 构建补偿边矩阵43
• 4.1 挖掘隐藏社区43-44
• 4.2 实验结果与分析44-47
• 4.2.1 实验数据及方案44-45
• 4.2.2 实验结果45-47
• 4.3 本章小结47-48
• 第五章 全文总结及未来展望48-50
• 5.1 论文总结48
• 5.2 研究展望48-50
• 参考文献50-54
• 后记54-55
• 攻读硕士学位期间论文发表及科研情况55

【参考文献】

中国期刊全文数据库 前3条

1 姜雅文;贾彩燕;于剑;;基于节点相似度的网络社团检测算法研究[J];计算机科学;2011年07期

2 鱼亮;高琳;孙鹏岗;;蛋白质网络中复合体和功能模块预测算法研究[J];计算机学报;2011年07期

3 杨博;刘大有;金弟;马海宾;;复杂网络聚类方法[J];软件学报;2009年01期

中国博士学位论文全文数据库 前1条

1 刘东飞;智能双语搜索方法及搜索引擎的研究[D];武汉理工大学;2009年

，

本文编号：599897