一种基于信息流核心的复杂网络动态社区追踪方法

【摘要】：复杂网络广泛存在于现实世界中，因此，对复杂网络社区结构的深入了解，将有助于我们解决很多现实问题。人们经过研究发现，复杂网络除了具有小世界特性和无标度特性以外，还具有社区结构特性，对网络社区结构特性的了解，有助于加深对复杂网络内在性质的了解。 同时，由于复杂网络随着时间的推移，处于不断演化的动态过程中，网络的社区结构也会随之产生动态变化，因此，对网络动态社区演化规律的研究就显得十分重要。 网络的社区结构可以看作是由许多具有相似属性的节点通过相互之间的信息交流，网络社区通常围绕着一些在节点通信中起到枢纽作用的重要节点形成，这些节点可以认为是网络社区结构的核心节点，他们在网络社区完成自身功能的过程中起到关键的作用。网络中核心节点行为的变化，体现了网络社区的演化状态，通过对核心节点的跟踪与分析可以更加精确快速的了解网络整体社区结构的变化。 为实现依据网络核心节点对网络动态社区的追踪，提出了一种基于网络局部信息流的网络节点核心性指标——局部核心性（Local Centrality，LC），并且通过实验验证了该指标的合理性与优势。 依据对节点LC值的分析，给出了复杂网络核心节点的明确定义，提出了一种复杂网络核心节点发现算法，该算法可以有效发现网络局部区域内的重要节点。 基于对所发现的网络核心节点集的性质分析，提出了一种基于核心节点的网络社区划分算法（CNBA），将网络的核心节点与社区结构紧密的结合在一起，从而可以通过核心节点集的变化在网络演化过程中对动态社区的追踪。 基于核心节点的核心性意义，通过核心节点给出了不同时刻网络社区前驱-后继的判定条件，并提出了一种基于核心节点的动态社区追踪方法，有效确定网络社区的动态演化链，实现了对网络社区动态变化的有效追踪。