基于变分自动编码器的社区发现及异常点检测方法研究

发布时间：2022-11-06 13:03

　　社区发现技术可以挖掘网络中的子结构,是了解和分析复杂社会结构的宝贵工具。通过社区发现技术可以揭示原始网络中隐蔽的社区结构,从而分析复杂网络的潜在特征。社区发现的主流算法是基于网络的拓扑结构来探索社区,但是在Facebook等真实社交网络中,由于垃圾邮件或钓鱼账户等异常的连接随处可见,虚假的节点属性和拓扑结构给社区发现带来影响,若不及时发现甚至会扩大谣言或病毒的传播。同时,随着近年来数据信息的爆炸式增长,社区中的特征降维也成为网络中的重要研究课题,近年来引起了很多学者的广泛关注。但是,基于社区降维所开发的大多数算法都利用了经典理论,结果耗费了大量时间却对复杂网络效果不佳。因此,要正确认识社区结构,发现对社区聚类影响的异常点很重要。同时应用高效的数据降维方法对提高社区发现质量具有重要意义。为此,本文提出基于变分自动编码器的社区发现及异常点检测方法。第一,基于图嵌入的方式提出无监督的异常点检测方法,有效结合社区连接结构和属性特征,降低异常点对总损失函数的贡献,从而优化图嵌入总损失函数。第二,基于ktrnss找到社区的核心结构,通过对不同数据集核心结构的搜索可以初始限定k值的范围。一方面保证了... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 本文组织结构
2 相关理论基础
    2.1 社区发现算法
        2.1.1 网络社区
        2.1.2 属性网络
        2.1.3 ktruss算法
    2.2 异常点检测
    2.3 自动编码器
        2.3.1 简单的自动编码器
        2.3.2 变分自动编码器
    2.4 本章小结
3 网络异常点与核心结构检测
    3.1 异常点检测
        3.1.1 模型介绍
        3.1.2 目标函数
        3.1.3 交替最小化计算参数
    3.2 实验结果与分析
        3.2.1 实验环境与实验数据集
        3.2.2 模型参数与实验过程
        3.2.3 实验结果与分析
    3.3 ktruss网络核心结构及其在社区发现上的应用
        3.3.1 ktruss算法
        3.3.2 实验结果与分析
    3.4 本章小结
4 基于变分自动编码器的降维
    4.1 变分自动编码器介绍
        4.1.1 模型结构
        4.1.2 目标函数
    4.2 实验结果与分析
        4.2.1 实验环境与实验数据集
        4.2.2 模型参数与实验过程
        4.2.3 实验结果与分析
    4.3 本章小结
5 基于变分自动编码器的社区发现算法实验与分析
    5.1 社区发现设计
    5.2 实验对比与评价标准
    5.3 社区发现实验结果
        5.3.1 实验指标对比
        5.3.2 实验结果
        5.3.3 结果可视化
    5.4 本章小结
6 总结与展望
    6.1 本文总结
    6.2 工作展望
致谢
参考文献
攻读硕士学位期间主要研究成果


【参考文献】：
期刊论文
[1]基于深度稀疏自动编码器的社区发现算法[J]. 尚敬文,王朝坤,辛欣,应翔.  软件学报. 2017(03)
[2]Deep Auto-encoded Clustering Algorithm for Community Detection in Complex Networks[J]. WANG Feifan,ZHANG Baihai,CHAI Senchun.  Chinese Journal of Electronics. 2019(03)



本文编号：3703550