结合网络链接和内容的局部社区发现算法研究

发布时间：2017-04-17 17:23

  本文关键词：结合网络链接和内容的局部社区发现算法研究，由笔耕文化传播整理发布。

【摘要】：社区发现算法研究源于对社交网络、生物蛋白质网络等复杂网络结构的分析。近些年,随着信息技术的发展以及社会媒体技术的普及,社会网络呈现出了很多新特性,比如：网络的大规模性、动态变化特性和富含内容信息等特性。考虑全局网络的社区发现和只涉及复杂网络拓扑结构或内容信息的社区发现算法,多半已经不能适应这些新特性。针对当前复杂网络的新特性,本文将以局部社区发现技术作为研究重点,并且在社区发现过程中,将网络的内容信息与链接信息进行融合,具体内容如下。首先,在探寻复杂网络核心节点过程中,提出一种新的基于半局部中心性和距离的核心节点探索方法。半局部中心性,确保核心节点为网络中的重要节点。与全局中心性不同,在计算节点的半局部中心性时,涉及了节点的四层邻居,使节点的中心性表达更加精确。局部社区发现算法,可以扩展到发现网络的全局社区结构。而核心节点的距离,能够使网络中的核心节点合理均匀的分布整个网络,从而得到高质量的全局网络社区划分。其次,在局部社区的扩散过程中,将复杂网络的内容和链接信息相融合。近年来,研究者提出了多种融合内容和链接信息的复杂网络社区结构发现算法,多是基于概率模型的方法。本文有别于当前研究热点,将链接相似性和内容相似性整合在同一目标函数中,通过迭代进行局部社区的扩散。最后,将上述两个步骤进行融合,并且在真实数据集和基准数据集上对本文算法进行验证。实验结果表明,通过本文算法可以得到更高质量的社区,并且在时间效率上效果明显。
【关键词】：复杂网络 社区结构 局部社区发现 核心距离 半局部中心性
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-14
• 1.1 研究背景及意义10-11
• 1.2 研究现状与存在问题11-12
• 1.3 研究目标与内容12-13
• 1.4 论文组织结构13-14
• 2 复杂网络与社区发现相关研究14-32
• 2.1 复杂网络的概念14-17
• 2.2 社区结构17-18
• 2.3 全局社区发现18-22
• 2.4 局部社区发现22-30
• 2.4.1 核心节点的选取23-28
• 2.4.2 局部扩展策略28-30
• 2.5 社区发现的评价30-31
• 2.6 本章小结31-32
• 3 基于半局部中心性和距离的核心节点探测32-44
• 3.1 半局部中心性32-34
• 3.2 离度量34-36
• 3.3 算法描述36-39
• 3.4 实验结果与分析39-43
• 3.4.1 真实社会网络实验39-41
• 3.4.2 人工生成网络实验41-43
• 3.5 本章小结43-44
• 4 结合链接和内容的局部扩展44-48
• 4.1 内容网络相关研究44-45
• 4.1.1 相关背景44-45
• 4.1.2 内容网络研究相关算法45
• 4.2 融合链接和内容信息45-46
• 4.3 局部社区扩散算法描述46-47
• 4.4 本章小结47-48
• 5 结合内容与链接的局部社区发现方法CCLLCD48-57
• 5.1 社区合并48
• 5.2 CCLLCD算法说明48-49
• 5.3 传统网络实验结果与分析49-54
• 5.3.1 数据集49-50
• 5.3.2 对比算法50
• 5.3.3 评价标准50-51
• 5.3.4 实验结果与分析51-54
• 5.4 内容网络实验结果与分析54-56
• 5.4.1 实验数据集54
• 5.4.2 对比算法54
• 5.4.3 评价指标54-55
• 5.4.4 实验结果与分析55-56
• 5.5 本章小结56-57
• 6 总结与展望57-59
• 6.1 本文主要工作57
• 6.2 展望57-59
• 参考文献59-62
• 作者简历及攻读硕士学位期间取得的研究成果62-64
• 学位论文数据集64

【相似文献】

中国期刊全文数据库 前10条

1 钟柯;肖昱;许s，

本文编号：313964