结合属性和链接关系的社区发现方法研究
发布时间：2020-11-18 08:28
社区发现在复杂网络分析中具有重要的研究意义,通过分析网络中隐含的信息量,可以准确地挖掘网络内部成员之间的层次结构。现阶段社区发现已经得到了广泛的关注,层出不穷的理论技术是推动对社区进行更深层次的研究的基础。本文建立在众多研究者的基础上,针对复杂网络中存在的大量的属性信息,研究结合属性与链接信息的社区发现技术,提出两种不同应用场景的社区发现方法。本文以属性信息和链接信息为研究内容,以贝叶斯和非负矩阵分解为研究基础,以提高社区发现的密度和效率为研究目标,对社区发现算法进行分析与设计,具体内容如下:1.针对具有属性的网络中重叠社区发现中内部节点的密度较低的问题,提出一种改进的基于联合贝叶斯非负矩阵分解的社区发现算法。首先在经典的贝叶斯概率模型的基础上加以改进,有效地将属性和链接信息进行结合;然后引入贝叶斯相关理论对模型的目标函数进行分析和验证;最后根据非负矩阵分解设计最终的迭代更新规则,从而对算法进行设计与实现。实验结果表明,该算法检测出来的社区密度较高且具有较强的结构性,适合对小网络中的大社区进行重叠的社区发现。2.针对具有属性的网络中非重叠社区划分效率低的问题,提出一种改进的基于联合贝叶斯聚类的社区发现算法。首先介绍一种基于LDA的联合贝叶斯概率模型,并得到基于贝叶斯概率模型的迭代更新公式;然后引入改进的随机游走算法对社区进行初始化的计算;最后结合迭代更新公式与初始化的社区进行算法的设计。实验结果表明,该算法对非重叠的社区发现体现出良好的性能,也适合于对只含链接信息的网络进行社区分析。本文所提出的两种改进算法分别在重叠和非重叠的社区检测中都具有良好的表现,同时都融入了网络中的链接信息与属性信息,对结合属性和链接信息的社区发现研究具有重要的意义。
【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】：
复杂网络是当今社会科学研究的热点，很多的复杂系统都可以表示成网络式，如引文网、人际关系网、移动互联网等。由于这些网络具有丰富的数据信息以通过社区发现技术分析其中蕴含的关系结构，是对复杂网络研究的重要手段如，可以利用社区发现挖掘某公司与其他产业的经济活动，从而能够准确地发个公司的经济态势。现阶段复杂网络呈现出巨大的、动态的变化趋势，通过社现，能为城市规划、互联网发展、舆情分析、危害防护等提供重要的参考信息科学技术的飞速发展促使着社交网络的用户与日俱增，现阶段人们的生活越离不开互联网。图 1.1 统计了 2017 年全球社交网络的月平均活跃用户，从可以看出，平均每个月的社交网络活跃用户超过了 20 亿，而且根据相关统计，2017 年社交网络的用户数量已经超过了 30 亿，并且上升趋势十分明显。由见，现实世界中社交网络所占的比例越来越高，所以针对这方面的研究对社会展具有重大的意义。
就可以利用属性信息对其进行聚类，从而将其合并到相同属性的社区中。理想的社区划分效果如图1.2(c)所示，但是如何实现这样的划分，是社交网络中结合两者信息进行研究的重难点。(a) 只考虑链接信息的社区发现 (b) 存在孤立节点的社区发现(c) 理想的社区发现图 1.2 社区发现的问题分析鉴于此，本文以结合属性信息和链接信息为研究内容，针对现有社区发现算法中社区密度低的问题，提出一种改进的基于联合贝叶斯非负矩阵分解的社区发现算法；针对复杂网络中社区发现效率低的问题，提出一种改进的基于联合贝叶斯聚类的社区发现算法。通过实验的对比与分析，证明了算法的可行性和有效性。1.3 主要研究内容目前结合属性和链接信息是研究社区发现的重点之一，本文针对当前社区发现中的两个突出问题，基于传统的理论与方法，进行模型的设计与研究，经过相关的分析与论证，进行算法的设计与实现。本文主要从以下几个方面进行研究：1. 基础理论研究。针对提出的算法，对相关的关键技术进行分析和总结，主要介绍了复杂网络的概念、经典的社区发现算法和贝叶斯的基础理论，为本文的研究提供理论铺垫。
的研究能提供有效的参考。本章是对论文所涉及到的相关知识进行分析与介绍，从而为后续的社区发现研究奠定基础。2.1 复杂网络的基础理论2.1.1 复杂网络的概念复杂网络通常表示一个复杂的系统集合，它主要体现为网络规模大、拓扑结构复杂以及节点属性复杂等。图 2.1 总结了现阶段社交网络研究的历史、主要研究内容、应用与基础特点，从中可以看出，复杂网络的研究涵盖了现实世界中的众多领域，具有重要的研究价值。典型的复杂网包括信息网、社会网、生物网、交通网、万维网、引文关系网等，由于近几年计算机技术得到了快速的发展，使得复杂网络在不同的领域得到了较为广泛的研究。
【参考文献】
本文编号：2888525
【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】：
复杂网络是当今社会科学研究的热点，很多的复杂系统都可以表示成网络式，如引文网、人际关系网、移动互联网等。由于这些网络具有丰富的数据信息以通过社区发现技术分析其中蕴含的关系结构，是对复杂网络研究的重要手段如，可以利用社区发现挖掘某公司与其他产业的经济活动，从而能够准确地发个公司的经济态势。现阶段复杂网络呈现出巨大的、动态的变化趋势，通过社现，能为城市规划、互联网发展、舆情分析、危害防护等提供重要的参考信息科学技术的飞速发展促使着社交网络的用户与日俱增，现阶段人们的生活越离不开互联网。图 1.1 统计了 2017 年全球社交网络的月平均活跃用户，从可以看出，平均每个月的社交网络活跃用户超过了 20 亿，而且根据相关统计，2017 年社交网络的用户数量已经超过了 30 亿，并且上升趋势十分明显。由见，现实世界中社交网络所占的比例越来越高，所以针对这方面的研究对社会展具有重大的意义。
就可以利用属性信息对其进行聚类，从而将其合并到相同属性的社区中。理想的社区划分效果如图1.2(c)所示，但是如何实现这样的划分，是社交网络中结合两者信息进行研究的重难点。(a) 只考虑链接信息的社区发现 (b) 存在孤立节点的社区发现(c) 理想的社区发现图 1.2 社区发现的问题分析鉴于此，本文以结合属性信息和链接信息为研究内容，针对现有社区发现算法中社区密度低的问题，提出一种改进的基于联合贝叶斯非负矩阵分解的社区发现算法；针对复杂网络中社区发现效率低的问题，提出一种改进的基于联合贝叶斯聚类的社区发现算法。通过实验的对比与分析，证明了算法的可行性和有效性。1.3 主要研究内容目前结合属性和链接信息是研究社区发现的重点之一，本文针对当前社区发现中的两个突出问题，基于传统的理论与方法，进行模型的设计与研究，经过相关的分析与论证，进行算法的设计与实现。本文主要从以下几个方面进行研究：1. 基础理论研究。针对提出的算法，对相关的关键技术进行分析和总结，主要介绍了复杂网络的概念、经典的社区发现算法和贝叶斯的基础理论，为本文的研究提供理论铺垫。
的研究能提供有效的参考。本章是对论文所涉及到的相关知识进行分析与介绍，从而为后续的社区发现研究奠定基础。2.1 复杂网络的基础理论2.1.1 复杂网络的概念复杂网络通常表示一个复杂的系统集合，它主要体现为网络规模大、拓扑结构复杂以及节点属性复杂等。图 2.1 总结了现阶段社交网络研究的历史、主要研究内容、应用与基础特点，从中可以看出，复杂网络的研究涵盖了现实世界中的众多领域，具有重要的研究价值。典型的复杂网包括信息网、社会网、生物网、交通网、万维网、引文关系网等，由于近几年计算机技术得到了快速的发展，使得复杂网络在不同的领域得到了较为广泛的研究。
【参考文献】
相关期刊论文 前3条
1 常振超;陈鸿昶;刘阳;于洪涛;黄瑞阳;;基于联合矩阵分解的节点多属性网络社团检测[J];物理学报;2015年21期
2 韩毅;许进;方滨兴;周斌;贾焰;;社交网络的结构支撑理论[J];计算机学报;2014年04期
3 窦炳琳;李澍淞;张世永;;基于结构的社会网络分析[J];计算机学报;2012年04期
本文编号：2888525
本文链接：https://www.wllwen.com/kejilunwen/yysx/2888525.html
