社交网络中层次化社区发现算法研究

发布时间：2021-08-08 20:31

　　社区结构是社交网络的重要特征,它是指网络中同一社区内部的节点连接紧密,不同社区间的节点连接疏松。社交网络的社区结构具有层次性,即:大的社区内嵌套着若干小社区。挖掘社交网络中的层次化结构,对于理解社交网络的组织结构和系统功能具有非常重要的意义。层次社区划分方法可以分为凝聚式和分裂式,其中凝聚式凭其优良特性取得了较为广泛的应用。现有的凝聚式社区发现算法往往存在以下问题:（1）将网络中的每个节点当作初始社区,生成的层次树状图复杂,不利于理解和分析;（2）难以同时保证算法的高效性和准确性。基于此,本文从拓扑势和最小生成树两个角度研究社交网络的层次化结构,主要内容包括:（1）提出一种融合拓扑势的层次化社区发现算法。该算法首先搜索网络中的局部极大势值点,根据极大势值点进行初始社区划分,然后依据极大势值点间的距离对初始社区进行迭代合并,大大减少了合并次数,使得生成的层次树状图简单。在真实网络和LFR人工网络上实验表明,该方法在保证算法效率的同时,保证了社区划分的准确性。（2）提出一种基于最小生成树的层次化社区发现算法。该算法根据相邻节点间的连接强度构造微社区,迭代合并微社区并构造最小生成树,在构造最... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 本文主要研究内容
    1.4 本文组织结构
2 相关技术综述
    2.1 拓扑势
    2.2 最小生成树
    2.3 本章小结
3 基于拓扑势的层次社区发现
    3.1 引言
    3.2 算法描述
    3.3 算法复杂性分析
    3.4 仿真实验
    3.5 本章小结
4 基于最小生成树的层次社区发现
    4.1 引言
    4.2 算法描述
    4.3 算法复杂性分析
    4.4 仿真实验
    4.5 本章小结
5 总结与展望
    5.1 本文总结
    5.2 进一步的研究工作
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]基于最小生成树的多层次k-Means聚类算法及其在数据挖掘中的应用[J]. 金晓民,张丽萍.  吉林大学学报(理学版). 2018(05)
[2]一种基于完全子图与标签传播的重叠社区检测算法[J]. 桂琼,邓锐,程小辉,吕永军.  桂林理工大学学报. 2018(03)
[3]大数据环境下的隐形黑手[J]. 张勇.  计算机与网络. 2018(08)
[4]融合拓扑势的社交网络层次化社区发现算法[J]. 候梦男,王志晓,何婧,芮晓彬,高菊远.  计算机工程与应用. 2019(01)
[5]Hierarchical Community Detection Based on Partial Matrix Convergence Using Random Walks[J]. Wei Zhang,Feng Kong,Liming Yang,Yunfang Chen,Mengyuan Zhang.  Tsinghua Science and Technology. 2018(01)
[6]论新媒体时代下微信公共媒体的社会影响力[J]. 高佩.  中国传媒科技. 2018(01)
[7]一种基于聚类融合和最小生成树的重叠社交网络划分方法（英文）[J]. 高博,王丽娜,李力.  机床与液压. 2017(24)
[8]基于相似性模块度的层次聚合社区发现算法[J]. 占文威,席景科,王志晓.  系统仿真学报. 2017(05)
[9]基于层次化社区结构的影响最大化算法[J]. 朱昌盛,朱福喜,阳小兰.  计算机工程与设计. 2017(03)
[10]基于满二叉树的二分K-means聚类并行推荐算法[J]. 陈平华,陈传瑜.  计算机工程与科学. 2015(08)

博士论文
[1]基于拓扑势的网络社区发现方法研究[D]. 李泓波.哈尔滨工程大学 2013

硕士论文
[1]基于最小生成树的复杂网络社区检测与图像分割[D]. 李笑笑.西安电子科技大学 2013
[2]网络拓扑结构中节点重要性评价方法的研究[D]. 于少然.北京交通大学 2012



本文编号：3330634