收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

若干社区发现算法研究

潘磊  
【摘要】:随着Internet的不断发展和普及,开放网络环境下的各种电子应用平台不断涌现,为人和人之间的沟通提供了丰富多彩的电子技术手段和虚拟交互环境。在此应用背景下,社会网络分析逐步成为工业界和学术界普遍关心的热点问题,人们希望通过对虚拟社会网络进行定量的、有效的数据分析和挖掘,揭示隐含在虚拟数据背后的信息、规律和知识。社区是中观视角有效描述社会网络结构的重要指标,而社区发现也是社会网络分析中的基础性研究问题之一,在过去十多年内吸引了国内外众多研究者的关注并形成了很多研究成果。但大多数研究都是以获取全局网络的所有信息为前提的,这在实践中难以满足。本文充分利用社会网络数据的局部性特征以及幂律分布、帕累托效应等特征,从微观(节点、边)和中观(中心子团)两个层面针对社区发现问题展开算法研究。 论文主要工作及创新点如下: 1)充分利用社会网络中存在的普适幂律分布特性,提出了基于核心节点的局部社区发现算法LLCDA,从而回避传统算法对“必须获取全局网络信息”的条件限制。该算法使用改进的PageRank进行节点排序,然后利用网络中的局部结构信息来优化一个局部目标函数,由一个初始的种子节点,通过不断优化目标函数来获取其所在的局部社区,算法优势在于利用重要性高的节点进行社区发现,并且只需网络中的少量局部信息就可以完成社区的发现,算法效率比传统算法要高。 2)针对大部分社区发现算法“社区规模不可控”及“分辨率极限限制”的问题,在上述LLCDA算法的基础上,提出了基于核心节点的多分辨率社区发现算法MRCDA,该算法通过修改的PageRank排序节点重要性并选择初始节点,同时使用基于Spin-glass模型的多分辨率模块度作为局部社区扩张的目标函数,从而扩张出规模可控的局部社区结构。算法优势在于通过参数的选择来控制不同网络应用下的不同规模的社区的发现,并且局部社区的发现效率较传统方法要更高。 3)针对大部分社区发现研究的对象都集中在节点,而忽视了边在社区发现中的重要性的问题,本文将上述算法LLCDA的思想移植到边社区的发现中,提出了基于核心边的边社区发现算法LLCM,该算法使用边聚类系数进行边排序,并利用选取的核心种子边作为边社区初始成员,再利用网络中的局部信息去挖掘边社区结构,并可转化为对应的节点型的重叠社区。算法优势在对高度重叠社区的发现有较好的效果,并且算法在边社区的挖掘效果和重叠社区的覆盖上都有较好的表现。 4)针对传统社区发现研究并不区分网络中节点的不同重要性及影响力,本文将网络中的节点的角色按照其重要性和影响力分为核心节点、中心成员节点和普通成员节点,基于此提出一种中心子团的定义,通过中心子团的发现找出网络中的核心区域;其次,提出一种“连接强度”的度量,用以计算网络中任意节点对直接的相似度;最后,本文借鉴了传统聚类算法的思想,提出了一种基于中心子团的社区发现算法,利用中心子团和连接强度对节点的社区归属进行分配。算法优势是在加权网络和大规模网络上的社区发现效果较好,算法时间复杂度较低,运行效率高。 5)针对传统基于聚类的社区发现方法只能发现规模同等的社区,且对社区内部稠密程度不可控,本文在上述算法CCDM的基础上进行了改进,提出了两个基于密度社区发现算法DCCS和ONDCS,其中DCCS算法简单高效、易于实现,而ONDCS具有较高的稳定性和高效性,算法对于发现高密度差异性的社区具有良好的效果。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 樊梦佳;钮艳;杜翠兰;张仰森;;一种基于聚集系数的社区发现算法[J];计算机工程与科学;2016年02期
2 贺成龙;马宏;董哲;张风雨;;基于核心链路的重叠社区发现算法[J];小型微型计算机系统;2015年06期
3 刘倩;刘群;;基于引力度扩展的重叠社区发现算法[J];计算机工程与设计;2014年03期
4 潘利强;张燕琴;王书荣;周文英;;复杂网络中社区发现算法的对比研究[J];福建电脑;2017年12期
5 杨蕾;;基于极大团的大规模网络社区发现算法[J];通信技术;2017年05期
6 钟磊;;基于内容相似度的社区发现算法研究[J];微电子学与计算机;2021年04期
7 万甲鑫;;一种优化共同邻居影响的动态距离社区发现算法[J];软件导刊;2020年10期
8 董淳;;基于社区发现算法的推荐系统研究[J];中国新通信;2021年07期
9 马兴福;王红;;一种新的重叠社区发现算法[J];计算机应用研究;2012年03期
10 徐贺贺;陶皖;;一种全局与局部结合的两步式重叠社区挖掘算法[J];安徽工程大学学报;2013年02期
11 于海;赵玉丽;崔坤;朱志良;;一种基于交叉熵的社区发现算法[J];计算机学报;2015年08期
12 田丰;;算法决策:应用、风险与治理[J];财经智库;2021年05期
13 高晨阳;鱼小军;闫妍;;蜂群算法研究综述[J];信息与电脑(理论版);2021年22期
中国重要会议论文全文数据库 前20条
1 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
2 姚雪;;基于算法多样化培养学生思维习惯和创新精神[A];2019年“区域优质教育资源的整合研究”研讨会论文集[C];2019年
3 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
4 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
5 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
6 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
7 林克旺;;基于分层网络实现高效的自稳定的选举算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(下册)[C];2006年
8 徐英钟;高震;李波;;基于禁忌搜索的蚁群算法求解旅行商问题[A];第四届中国智能计算大会论文集[C];2010年
9 叶衍;楼荣生;何永保;;自然联结的优化算法[A];第十二届全国数据库学术会议论文集[C];1994年
10 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
11 许伦辉;傅惠;徐建闽;;基于分形维数的交通流预测模型及算法研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
12 王树西;白硕;王斌;;模式推理中的“图检索”算法[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
13 覃频频;许登元;姚起宏;黄大明;;基于表决融合的高速公路事件检测算法融合[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
14 杨娜;付强;贺延国;;蚁群算法在水土资源中的应用研究进展[A];农业系统工程理论与实践研究——全国农业系统工程学术研讨会论文集[C];2006年
15 王亚钊;周永华;刘毅;高睿;;人工生命算法的研究进展[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
16 王永华;詹宜巨;余松森;杨健;;一种密集RFID读写器环境下信道分配算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
17 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
18 王亚奇;王静;李金;;一种改进的RFID系统反碰撞算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
19 王晓明;陈学荣;;2500+交叉优化算法详解及典型案例分析[A];《内蒙古通信》2012年第1-4期[C];2012年
20 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
中国博士学位论文全文数据库 前20条
1 潘磊;若干社区发现算法研究[D];南京大学;2014年
2 王贵参;重叠社区发现中的边聚类算法研究[D];吉林大学;2016年
3 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
4 浮婷;算法“黑箱”与算法责任机制研究[D];中国社会科学院研究生院;2020年
5 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
6 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
7 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年
8 胡晓萌;算法主义及其伦理批判[D];湖南师范大学;2021年
9 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
10 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
11 付巍巍;集群智能算法的改进与应用研究[D];大连理工大学;2021年
12 肖建元;保几何结构算法在等离子体物理中的应用[D];中国科学技术大学;2017年
13 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年
14 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年
15 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
16 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
17 赵进慧;膜计算仿生优化算法及应用研究[D];浙江大学;2010年
18 张松;人工蜂群算法研究及其应用[D];西安电子科技大学;2019年
19 薛菲;基于蝙蝠算法的启发式智能优化研究与应用[D];北京工业大学;2016年
20 张超群;混合爆炸式人工蜂群算法及应用研究[D];东华大学;2015年
中国硕士学位论文全文数据库 前20条
1 樊怡菲;基于复杂网络的社区发现算法研究及展示分析系统[D];宁夏大学;2020年
2 贾栋;基于模块度的大规模复杂网络社区发现算法研究[D];西安电子科技大学;2017年
3 晁莎;复杂网络中重叠社区发现算法研究[D];西安科技大学;2016年
4 于硕;基于有向图的局部重叠社区发现算法的研究[D];哈尔滨工程大学;2020年
5 冯国香;基于密度峰值的重叠社区发现算法研究[D];吉林大学;2015年
6 赵越;基于密度聚类的网络社区发现算法[D];山西大学;2016年
7 李磊;基于交互度的重叠社区发现算法[D];云南大学;2015年
8 郭强;一种基于节点分裂的重叠社区发现算法[D];哈尔滨工程大学;2013年
9 王延鹏;复杂网络重叠社区发现算法研究[D];太原理工大学;2011年
10 徐浩;基于聚类集成的重叠社区发现算法研究[D];燕山大学;2021年
11 彭燕;基于局部信息的复杂网络社区发现算法研究[D];吉林大学;2013年
12 蒋群利;社交网络中社区发现算法研究[D];西安电子科技大学;2017年
13 潘宇婷;复杂网络重叠社区挖掘算法研究与设计[D];江苏大学;2016年
14 周然然;社会网络中局部社区发现算法研究[D];中国矿业大学;2015年
15 韩瑞;基于标签传播的动态重叠社区发现算法[D];哈尔滨工程大学;2020年
16 孙文婷;混合重叠社区发现研究及应用[D];苏州大学;2011年
17 金佳欢;基于结构活跃度的随机游走社区发现算法研究[D];吉林大学;2020年
18 彭昱博;面向社区密度的二模网络重叠社区发现算法研究[D];上海大学;2021年
19 姜秀芳;面向复杂网络的社区发现算法研究[D];中国科学技术大学;2011年
20 费松;基于部分先验知识的社区发现算法研究[D];天津科技大学;2016年
中国重要报纸全文数据库 前20条
1 本报记者 苏晓梅 岳付玉;算法推荐能否告别野蛮生长?[N];天津日报;2022年
2 本报记者 李燕京;算法告别“算计” 消费更加公平[N];中国消费者报;2022年
3 本报记者 武晓莉;给冰冷的算法注入温暖[N];中国消费者报;2021年
4 本报评论员 悦连城;算法推荐,管好才能用好[N];河南日报;2022年
5 中青报·中青网见习记者 罗希;中青校媒联合上交大媒体与传播学院发起《提高“算法素养”倡议》[N];中国青年报;2021年
6 王轶辰;算法也要有“说法”[N];经济日报;2022年
7 记者 王思北 阳娜 周琳 颜之宏;大数据“杀熟”不能再“杀”了,算法推荐不能乱“推”了[N];新华每日电讯;2022年
8 本报记者 祖爽;剑指行业乱象 算法推荐进入严监管时代[N];中国商报;2022年
9 本报记者 宋婧;新规将算法装入监管“笼子”[N];中国电子报;2022年
10 东南网记者 卢金福;给算法应用戴上“紧箍咒”[N];福建日报;2022年
11 本报评论员 吴迪;以公共利益为底色,引导算法技术向上向善[N];工人日报;2022年
12 新华社记者 余俊杰;规范算法推荐活动,明确用户知情权选择权[N];新华每日电讯;2022年
13 湖北日报评论员 周磊;“算法”不是“算计”[N];湖北日报;2022年
14 刘俊;促进算法推荐技术规范健康发展[N];人民日报;2022年
15 李贞;共促算法推荐健康有序发展[N];人民日报海外版;2022年
16 记者 毛振华;算法不能变算计[N];新华每日电讯;2022年
17 记者 任震宇;强化算法实施方的举证责任[N];中国消费者报;2021年
18 见习记者 陈友敏;消保委呼吁尽快出台算法规制[N];上海法治报;2021年
19 王悠然 编译;避免对算法的过度依赖[N];中国社会科学报;2021年
20 证券时报记者 江聃;网信办规范算法推荐 禁止实施流量造假控制热搜[N];证券时报;2021年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978