基于社交网络结构信息的重叠社区检测算法研究

发布时间：2023-01-15 11:38

　　在社交数据不断增多的今天,高效的检测出社交网络中隐藏的社区结构具有重要的研究意义和实际价值。在社交网络中,社区结构是最基础、最重要的拓扑特征,目前已有多种社区挖掘相关的研究,而在许多的真实网络中,真正意义上的非重叠社区往往并不那么常见,因而挖掘网络中的重叠结构更具有现实意义。目前,相关学者提出了很多复杂网络重叠社区划分方法,并将其应用在真实场景的分析工作中,但是社区划分方法的研究还有很多值得注意的问题,比如社区划分算法的精度和效率还有待提高,尤其是对重叠社区而言,这就涉及到网络中的结构信息、社区边界和节点归属等概念只单纯考虑了网络的拓扑结构,而并没有考虑网络背后更多的信息。本文在对现有重叠社区划分算法进行了研究分析后,针对网络结构信息、社区边界定义和节点归属进行了创新,主要工作如下:1.针对现有聚类中的相似度概念不适用于社交网络中的问题,通过阅读文献总结,结合网络的结构信息,对相似度概念进行了扩展,结合朋友圈中共同朋友数量占比往往能体现两人关系这一特征,提出了一种新的链接强度概念来概括网络结构信息,可以更好体现出网络中节点之间的相关性,并且通过这一概念提出了网络中节点的距离度量,将其应... 

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 复杂网络研究现状
        1.2.2 重叠社区发现研究现状
        1.2.3 存在问题及研究难点分析
    1.3 论文主要工作
    1.4 论文组织结构
第2章 社区发现相关技术
    2.1 社交网络基本概念
    2.2 重叠社区发现相关技术
    2.3 本章小结
第3章 基于密度距离的社区发现算法
    3.1 问题的描述和研究思路
    3.2 基于密度距离的社区发现算法
        3.2.1 概念定义
        3.2.2 算法描述
        3.2.3 节点的分配
    3.3 实验结果及对比分析
        3.3.1 数据集
        3.3.2 评价指标
        3.3.3 实验结果分析
    3.4 本章小结
第4章 基于链接强度的重叠社区发现算法
    4.1 问题的描述和研究思路
    4.2 基于链接强度的重叠社区发现算法
        4.2.1 概念定义
        4.2.2 算法描述
        4.2.3 算法性能分析
    4.3 实验结果及对比分析
        4.3.1 数据集
        4.3.2 评价指标
        4.3.3 实验结果分析
    4.4 本章小结
第5章 总结及未来工作
    5.1 论文工作总结
    5.2 未来的工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]利用邻域“结构洞”寻找社会网络中最具影响力节点[J]. 苏晓萍,宋玉蓉.  物理学报. 2015(02)
[2]复杂网络聚类方法[J]. 杨博,刘大有,金弟,马海宾.  软件学报. 2009(01)



本文编号：3730999