基于SNA的网络核心及社团结构挖掘研究

发布时间：2020-05-06 19:18

【摘要】： 社会网络指的是社会行动者及其间的关系集合。也可以说一个社会网络是由多个点(社会行动者)和各点之间的连线(行动者之间的联系)组成的集合。因此社会网络分析不同于单个的语义分析,是注重于关系数据的分析。本文主要围绕应用于网络信息安全的社会网络分析法这一方向展开,研究了基于邮件的社会网络分析,在广泛阅读了国内外文献的基础之上提出了一种基于邮件挖掘社会网络核心层的新方法,本文的主要工作主要有以下两个方面: (1)为了挖掘出完整的社会网络核心层的成员,提出了基于邮件挖掘社会网络核心层的新方法。在用邮件数据构建出了社会网络之后,首先删除节点度小于一定阈值的节点,再运用社团结构挖掘及中心度分析找出部分网络核心成员,最后结合已删除的节点得出完整的网络核心层。实验结果显示,该方法可以找出全部的网络核心成员,且在一定程度上解决了大型网络不容易计算的问题。 (2)为了更精确的评价社团结构,本文提出了一种新的评价标准——社团凝聚度,定义社团外部链接数与内部连接数的比值为社团凝聚度,并在此基础上提出了基于局部社团凝聚度增量的社团结构挖掘算法。首先选择初始节点定义为一个社团,然后比较网络中每个节点加入到社团后的凝聚度增量,选择局部社团凝聚度增量增长最快或者减少最慢的节点作为社团成员加入,重复选择合适节点加入社团直到社团凝聚度达到指定阈值,或者发现完全封闭的社团。最后比较挖掘出社团的凝聚度可以确定哪些为社团,哪些则可以作为孤立点。针对本文提出的算法编写程序,应用于计算机生成网络和一个虚拟企业网络,实验结果表明算法是高效的和实用的。
【图文】：

组织图

从科研机构的组织图来看，可以看到谁会向谁报告，权责分明，会有如上面所绘的清楚明白的业务关系图，但如果我们画出整个科研机构的社会网，整张网络图是一张上百个节点的与上千条线的大网络，，其中业务报告的线十分复杂，完全看不出如图2.2那么清楚明白的关系。问题出在上图以角色为节点，而我们收集的整体社会网是以个人为节点，所以如何把这么多人归纳成几个角色，就是职位分析要做的工作。角色分析的目的在于分析出有若干个结构职位的成员，分析出一群人跟另外一群人的关系。在小团体分析中关系紧密的被视为“一群人”，但在角色分析中，“一群人”却指的是一群结构同型的人。结构同型性指的是：如果对所有的行动者来说，k=1，2，3

网络图,网络图,附加信息,树状图

Zachary网络图
【学位授予单位】：大连交通大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：N941.4

【参考文献】