面向复杂网络的时序链路预测与局部社团挖掘

发布时间：2022-08-06 17:44

　　复杂网络（Complex Network）是目前描述复杂系统的一种有效的方法,例如生物系统、社会系统、交通运输系统、电力系统等等都能够用复杂网络来描述。链路预测（Link Prediction）与社团挖掘（Community Detection）是目前对复杂网络的规律及特征进行挖掘分析的主要方法,链路预测是指根据已有的网络链接预测潜在或未来的链接的过程,可用于揭示网络系统中对象之间的点对点相似性;社团挖掘是在复杂网络中依据网络的拓扑结构或者节点的属性信息将节点划分到不同社团之中,社团挖掘实质上是对复杂系统中对象的聚类过程。本文将基于局部结构信息对复杂网络中的时序链路预测和局部社团挖掘算法及其分布式化进行研究,主要包括以下几个方面的内容:（1）针对目前链路预测算法准确度较低的问题,本文提出一种基于时间序列信息的链路预测算法,首先将网络中节点之间的不同时刻的连接频率压缩成节点之间的连边权重,然后基于压缩后的图利用改进的标签传播算法进行链路预测,在标签传播的过程中利用时序信息拟合的链路权重对标签中的相似信息进行修正,最后聚合各个节点收到的相似信息作为最终链路评分,根据评分阈值即可确定预测连边... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的背景和意义
    1.2 研究现状
        1.2.1 链路预测
        1.2.2 社团挖掘
    1.3 主要研究内容
    1.4 论文的组织结构
第二章 复杂网络
    2.1 定义与描述
        2.1.1 相关概念
        2.1.2 基本模型
    2.2 分析方法
        2.2.1 链路预测
        2.2.2 社团挖掘
    2.3 Spark简介
        2.3.1 基本概念
        2.3.2 SparkGraphX
    2.4 本章小结
第三章 基于标签传播的时序链路预测
    3.1 问题分析
    3.2 算法描述
        3.2.1 时序权重预测
        3.2.2 基于标签传播的链路预测
    3.3 算法的分布式并行化
    3.4 实验与验证
        3.4.1 实验环境与数据集
        3.4.2 评价标准
        3.4.3 实验结果与分析
    3.5 本章小结
第四章 基于社团中心扩张的局部社团挖掘
    4.1 问题分析
    4.2 算法描述
        4.2.1 相关定义
        4.2.2 基于随机游走的局部社团中心发现
        4.2.3 局部社团识别
        4.2.4 算法的分布式并行化
    4.3 实验与验证
        4.3.1 数据集
        4.3.2 评价指标
        4.3.3 实验结果及分析
    4.4 本章小结
第五章 原型系统设计与实现
    5.1 系统需求分析
        5.1.1 Web服务器
        5.1.2 Spark集群
    5.2 模块分析
    5.3 系统实现
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号：3670087