社交網(wǎng)絡(luò)中重疊區(qū)域與強(qiáng)弱邊關(guān)系的研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展推動(dòng)了社交信息的網(wǎng)絡(luò)化進(jìn)程。現(xiàn)實(shí)世界中許多信息系統(tǒng)都可以用網(wǎng)絡(luò)結(jié)構(gòu)來(lái)表示，而網(wǎng)絡(luò)結(jié)構(gòu)又可以進(jìn)一步化分為多個(gè)大小不同的社區(qū)，社區(qū)是移動(dòng)社交網(wǎng)絡(luò)最重要的一個(gè)特征。如何對(duì)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)進(jìn)行快速有效地識(shí)別是目前的研究熱點(diǎn)。
　　本文針對(duì)現(xiàn)實(shí)生活中，人們通常隸屬于多個(gè)社團(tuán)這一現(xiàn)象，重點(diǎn)研究重疊社區(qū)的識(shí)別算法。在此基礎(chǔ)上，進(jìn)一步探討網(wǎng)絡(luò)重疊社區(qū)結(jié)構(gòu)與強(qiáng)弱邊之間的關(guān)系，主要研究?jī)?nèi)容如下:
　　(1)傳統(tǒng)的非負(fù)矩陣分解算法

2、忽視了網(wǎng)絡(luò)系統(tǒng)的可擴(kuò)展性，在社區(qū)劃分過(guò)程中導(dǎo)致時(shí)間復(fù)雜度和空間復(fù)雜度較高。針對(duì)此問(wèn)題，本文提出了一種主成分分析(PCA)與隸屬度指數(shù)(MI)相結(jié)合的算法，實(shí)現(xiàn)重疊社區(qū)結(jié)構(gòu)的有效識(shí)別。該算法首先使用PCA技術(shù)挖掘網(wǎng)絡(luò)中的關(guān)鍵特征，然后采用隸屬度指標(biāo)對(duì)節(jié)點(diǎn)進(jìn)行分類(lèi)。實(shí)驗(yàn)結(jié)果表明，該算法可以快速、高效地實(shí)現(xiàn)重疊社區(qū)結(jié)構(gòu)的檢測(cè)，并且模塊度Q值也接近于傳統(tǒng)算法。
　　(2)考慮到重疊社區(qū)中重疊節(jié)點(diǎn)所具有的獨(dú)特性，重疊節(jié)點(diǎn)與非重疊節(jié)點(diǎn)之間的關(guān)

3、系很難用傳統(tǒng)的強(qiáng)弱關(guān)系定義。針對(duì)此問(wèn)題，本文提出了重疊社區(qū)系數(shù)指標(biāo)，基于該指標(biāo)，對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)度與強(qiáng)弱邊以權(quán)值的形式進(jìn)行重新界定，揭示節(jié)點(diǎn)之間所隱藏的復(fù)雜關(guān)系;在此基礎(chǔ)上，通過(guò)改變重疊節(jié)點(diǎn)的數(shù)量來(lái)研究網(wǎng)絡(luò)中強(qiáng)弱邊的數(shù)量變化情況。進(jìn)一步地，基于兩種強(qiáng)弱邊的劃分方法，分析強(qiáng)弱邊數(shù)量的變化情況。
　　(3)研究重疊點(diǎn)及強(qiáng)弱邊在信息擴(kuò)散中的作用，并以傳染病為例，對(duì)4組真實(shí)數(shù)據(jù)集下傳染病擴(kuò)散速度進(jìn)行統(tǒng)計(jì)和分析。實(shí)驗(yàn)結(jié)果顯示在傳染病預(yù)防過(guò)程中不