基于相似度的復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法研究.pdf

1、社團結(jié)構(gòu)指的是復(fù)雜網(wǎng)絡(luò)內(nèi)部聚合的情況。復(fù)雜網(wǎng)絡(luò)的聚類情況對研究復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)行為、拓撲結(jié)構(gòu)和信息傳播與挖掘都有十分重要的意義。所以，近幾年，越來越多的學(xué)者投身到復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)檢測中，同時，大量的算法也被提出。而不同的網(wǎng)絡(luò)，由于其網(wǎng)絡(luò)特性的差異，其社團結(jié)構(gòu)的檢測方法也存在不同，且存在一定的問題。如在重疊社團檢測上重疊界限要求過于嚴(yán)格，而對于有向加權(quán)網(wǎng)絡(luò)和二分網(wǎng)絡(luò)的社團檢測，研究過程中則可能存在信息丟失等問題，需進一步的探究。為此，本文

2、針對不同的網(wǎng)絡(luò)提出了三種不同的基于相似度的社團結(jié)構(gòu)檢測算法，主要工作和創(chuàng)新點如下：
　　(1)提出了一個基于關(guān)鍵節(jié)點的重疊社團劃分算法。算法通過對復(fù)雜網(wǎng)絡(luò)的節(jié)點進行預(yù)處理，篩選出其中的關(guān)鍵節(jié)點，并形成以關(guān)鍵節(jié)點為中心的核心區(qū)域，隨后吸收與該核心區(qū)域關(guān)系緊密的節(jié)點以形成初始社團，再根據(jù)吸收度擴大社團。算法利用了一種初始網(wǎng)絡(luò)篩選方法和最新的吸收度函數(shù)對重疊社團進行檢測。實驗結(jié)果表明了該算法能有效地檢測出網(wǎng)絡(luò)的社團結(jié)構(gòu)，且算法時間復(fù)雜度

3、相對較低。
　　(2)提出了一種基于非對稱親密度的有向加權(quán)網(wǎng)絡(luò)的社團檢測算法。通過對有向加權(quán)網(wǎng)絡(luò)節(jié)點間的關(guān)系特點的研究，給出了一種既能體現(xiàn)節(jié)點對間直接關(guān)系又能體現(xiàn)其間接關(guān)系的親密度參數(shù)，并將其設(shè)計和引申至社團間的親密關(guān)系。利用節(jié)點間的關(guān)系對網(wǎng)絡(luò)進行聚類分析，最終根據(jù)最優(yōu)模塊度選擇出最終的劃分結(jié)果。通過對比試驗發(fā)現(xiàn)了該算法的優(yōu)越性和親密度參數(shù)設(shè)計的合理性。
　　(3)提出了一種二分網(wǎng)絡(luò)社團結(jié)構(gòu)檢測算法。通過分析二分網(wǎng)絡(luò)中節(jié)點間

4、的互連特點，設(shè)計出分別體現(xiàn)二分網(wǎng)絡(luò)中同種類型節(jié)點間與異種類型節(jié)點間的親密度關(guān)系。利用該親密度關(guān)系分析和聚類節(jié)點，形成多個子社團，再通過社團間的關(guān)系參數(shù)，進一步合并子社團，以形成最終的社團結(jié)構(gòu)。實驗結(jié)果很好的反映了算法和參數(shù)設(shè)計的優(yōu)越性，并能有效地檢測出網(wǎng)絡(luò)的二分社團結(jié)構(gòu)。
　　本文設(shè)計和實現(xiàn)了針對不同網(wǎng)絡(luò)所提出的三種不同的基于網(wǎng)絡(luò)中節(jié)點間的親密關(guān)系的社團檢測算法，研究不斷地深入、遞進。其中基于關(guān)鍵節(jié)點的重疊社團劃分方法和非對稱親密