蚁群觅食模型在共现网络聚类中的应用

发布时间：2017-11-21 11:06

  本文关键词：蚁群觅食模型在共现网络聚类中的应用

  更多相关文章： 科学计量学 生物仿生算法 蚁群觅食 信息觅食 聚类

【摘要】：我们的现实生活中无处不存在着网络结构,无论是人际关系网还是因特网,在形形色色的网络结构中,众多的节点会由于具有相似的特性而被聚成一类,一旦网络节点数量庞大且内部联系复杂,对这种复杂网络的聚类就会较为困难,但由于数学和计算机科学的不断创新和进步,为聚类算法的不断创新提供了方法和工具基础,越来越多的聚类算法出现在了不同的学科研究领域中,并得到快速的发展和应用。而将启发式的生物仿生算法——蚁群觅食模型引入到对文献要素的聚类分析中,不仅是一项创新的举措而且为科学计量学的后续发展开拓了视野,注入了新的思路。蚁群在觅食活动中蚂蚁个体会在走过的路径上释放“信息素”,指引后续的蚂蚁快速找到食物,其他蚂蚁在走过路径时也会释放这种“信息素”,这就是“信息素”的正反馈现象。“信息素”会随着时间的流逝而逐渐挥发消逝,个别的蚂蚁也会另辟蹊径随机选取别的路径。觅食的最短路径由于“信息素”挥发少而逐渐成为最主要的道路,并最终被大多数蚂蚁重复。这样的现象在人类社会的信息觅食过程中同样存在,这就是不同领域的学者们进行科学研究的过程中而进行的信息查找和成果保留的过程。学者们检索信息会根据前人的成果中存留下来的信息素,如关键词、参考文献等,这为后来的学者提供了重要的科学研究依据和信息觅食路径,同时这些学者也会以文献或著作的形式保存自己的“信息素”,并且创新地开辟新的研究问题和领域。在整个过程中,信息觅食和蚁群觅食是极为相似的,因此可以用蚁群觅食算法来对文献要素进行聚类分析。通过构建共现网络中的蚁群觅食模型,对科学计量学领域典型的四种共现网络进行聚类分析,发现蚁群觅食模型对引文和期刊的聚类效果较好,对作者共现网络也能够呈现一定的聚类效果,而对于文献关键词共现网络的聚类则相对弱化,这是由于蚁群觅食模型关注信息素的流动情况,在文献的引文、作者共被引及施引期刊聚类分析时,由于这些共现网络都会出现较强的信息素引导作用,而关键词共现网络虽然也能够对这些文献的核心关键进行描述,但是在信息素的引导作用要相对弱一些,因而影响了其聚类效果。因此可以得出结论,蚁群觅食模型由于其程序化的设计,在具体操作和运算的过程中运用起来更为方便,而且蚁群聚类算法的正反馈原理,能够在运算过程中快速达到最优解,并且具有较强的鲁棒性,从聚类问的联系和脉络也很容易发现这些聚类间的知识流动和交叉影响情况,对于存在引用情况的共现网络具有较好的聚类效果,且能通过聚类间的联系发现不同研究领域的间的知识流动和支撑情况。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;TP18

【参考文献】

中国期刊全文数据库 前2条

1 刘知远;孙茂松;;汉语词同现网络的小世界效应和无标度特性[J];中文信息学报;2007年06期

2 吴彬彬;王京;宋海涛;;基于Citespace的复杂网络可视化研究图谱[J];计算机系统应用;2014年02期

，

本文编号：1210686