面向加权社会网络的社团结构发现方法研究

发布时间：2020-11-14 01:20

　　 社会网络是由许多节点依据社会关系构成的一种关系体系。社团检测有助于帮助人们理解网络的拓扑结构并发现一些有意义的群体。现有的社团发现算法主要分为重叠社团发现和非重叠社团发现两大类。重叠社团发现算法是近几年的研究趋势,但多数基于局部最优化思想的算法忽略了节点间连边在网络中的社会属性,同时由于设置了较为简单的节点准入条件,因此容易产生节点数量较多的大社团,从而使得社团划分质量难以提高。非重叠社团发现算法中基于标签传播思想的算法虽然具有接近线性的时间复杂度,但由于其设置了随机的传播队列以及更新标签时采用随机的方式,因此社团检测结果的稳定性较差。针对上述问题,本文进行了如下研究:1.针对基于局部最优化思想的算法会产生大社团的问题,提出一种改进的重叠社团发现算法。该算法提出了两点改进意见:一是通过定义节点间直接联系强度与间接联系强度对网络连边进行加权处理,随后利用局部社团内外权重之和产生新的适应度函数;二是在节点聚类系数基础上定义了局部社团稳定度的概念。当局部社团在选取节点时,既考虑节点对社团的适应度贡献,又考虑节点对社团的稳定度贡献,以避免检测结果中出现大社团的现象。实验表明,该算法能有效地挖掘网络中存在的小社团结构。同时,在具有小社团结构的网络中,该算法所得划分质量相较于其他算法有了一定提高。2.针对标签传播社团发现算法稳定性不高的问题,提出一种改进的标签传播社团发现算法。首先,通过引入衡量科研工作者影响力的H指数,定义了节点权重。随后根据权重大小对节点进行排序,确定了升序序列作为标签的传播队列以降低算法的随机性。最后在标签传播过程中,设计了节点标签的更新策略,即通过定义标签权重,使待更新标签的节点向权重高的标签靠近,以此达到聚类的目的。实验表明,该算法能得到确定的社团结构,并且有效提高了社团检测的质量。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O157.5;TP301.6
【部分图文】：

是复杂网络的一种具体表现形式，至今没有统一的定是由现实世界中的主体以及主体间联系所构成的一种体表示个人或组织，主体间的联系可以是合作关系、随着近几年来移动社交的兴起，社会网络呈现出节点规来越复杂的特点。根据 Facebook 的统计数据显示，截止ok 的月度活跃用户数首次超过 20 亿，与去年同期相比，Facebook 上有 1700 万人参与某话题的讨论，相关发超过了 4100 万。面对如此大规模的网络个体总数与复杂其相关链接的研究显然意义不大。因此，依据复杂网们转而去寻找网络中具有共同性质的一类群体，这一类

学硕士学位论文 络中的社团结构，将对很多领域产生重大影响。例如，人扩展朋友圈，寻求工作机会；运营商利用电信网络了解客户质的服务；科研工作者通过社团发现算法检测网络的内部趋势等。络中存在这样一种现象，一个人可能同时拥有两种爱好，与多个话题的讨论，可能在空余时间加入多个体育俱乐部个群体的现象在网络中体现为社团的重叠特性，即一个节社团，如图 1.2 所示。如何针对具体的应用场景，制定合适的社团发现质量，是当今仍需解决的问题。

图 1.3 论文研究路线图1. 对复杂网络的基本概念进行了梳理，较为详细地描述了依据多种思想的社团发现算法，其中包括非重叠社团发现算法和重叠社团发现算法。2. 基于局部最优化的社团发现算法通常忽略了节点间连边的权重信息，并且在算法内部设置了较为简单的节点准入条件，因此会产生节点规模较大的社团。针对上述问题，本文对 LFM 算法进行了改进，提出一种更加适用于社会网络的重叠社团发现算法(A Weighted Method and Local Community Stability for SocialNetwork Based on LFM, WSLFM)。该算法基于局部最优化的思想，首先利用节点间直接联系强度和间接联系强度对网络中连边进行加权处理，随后利用局部社团内外连边权重之和代替内外度数之和来形成新的适应度函数。实验证明，连边权重对网络的划分具有促进作用。然后，本文依据社会网络的结构特性，在节点聚类系数的启发下，定义了局部社团稳定度的概念，对节点加入社团的条件实施进
【参考文献】

相关期刊论文 前1条

1 潘磊;金杰;王崇骏;谢俊元;;社会网络中基于局部信息的边社区挖掘[J];电子学报;2012年11期

相关博士学位论文 前1条

1 张鑫;复杂网络中社区发现方法研究[D];哈尔滨工业大学;2017年

相关硕士学位论文 前2条

1 李亚楠;复杂网络中重叠社区发现算法的研究[D];重庆大学;2016年

2 王佳楠;基于局部扩张的社交网络社区发现方法研究[D];燕山大学;2015年

本文编号：2882886