復(fù)雜網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)層次性和重疊性揭示算法研究與實(shí)現(xiàn).pdf

1、當(dāng)下社會(huì)已進(jìn)入大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘可以幫助用戶發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的規(guī)律和模式。復(fù)雜網(wǎng)絡(luò)，例如社交網(wǎng)，因其龐大復(fù)雜性，發(fā)現(xiàn)其中隱藏的規(guī)律和模式，面臨著很大挑戰(zhàn)。復(fù)雜網(wǎng)絡(luò)通常會(huì)呈現(xiàn)出社區(qū)結(jié)構(gòu)特性，如何高效地發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)特性是當(dāng)前研究復(fù)雜網(wǎng)絡(luò)的熱點(diǎn)之一?，F(xiàn)有算法大都只能較好地找出社區(qū)結(jié)構(gòu)的層次性或者重疊性。能同時(shí)體現(xiàn)復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)層次性和重疊性對(duì)于準(zhǔn)確地挖掘出網(wǎng)絡(luò)中潛在的信息十分重要，本文研究復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)中層次性和重疊

2、性的揭示算法，主要工作如下:
　　(1)現(xiàn)有的網(wǎng)絡(luò)層次性社團(tuán)挖掘算法BGLL可以高效準(zhǔn)確地挖掘出復(fù)雜網(wǎng)絡(luò)中的層次性社團(tuán)結(jié)構(gòu)。但是現(xiàn)實(shí)中的網(wǎng)絡(luò)是兼?zhèn)鋵哟涡院椭丿B性的，為了更準(zhǔn)確地挖掘出復(fù)雜網(wǎng)絡(luò)潛在的信息，本文側(cè)重挖掘重疊性結(jié)構(gòu)對(duì)BGLL算法進(jìn)行了改進(jìn)，基于節(jié)點(diǎn)加入社團(tuán)的模塊度貢獻(xiàn)差值的概念，在原始BGLL尋找到網(wǎng)絡(luò)層次性社團(tuán)的基礎(chǔ)上準(zhǔn)確快速地找到社團(tuán)之間的橋梁節(jié)點(diǎn)，優(yōu)化原算法，使優(yōu)化后的算法能同時(shí)高效精確地揭示復(fù)雜網(wǎng)絡(luò)的層次性和重疊

3、性結(jié)構(gòu)。
　　(2)為了檢驗(yàn)本文提出的BGLL改進(jìn)算法的性能，對(duì)復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)挖掘的兩個(gè)經(jīng)典挖掘方法進(jìn)行了實(shí)現(xiàn)，包括基于邊介數(shù)的GN算法、FastNewman快速算法。并將本文提出的基于BGLL改進(jìn)的算法和經(jīng)典算法以及同時(shí)揭示層次性和重疊性的LFM算法運(yùn)用于多個(gè)測(cè)試基準(zhǔn)網(wǎng)絡(luò)，對(duì)比這四個(gè)算法的性能指標(biāo)。
　　應(yīng)用MATLAB實(shí)現(xiàn)了所提出的BGLL改進(jìn)算法，并進(jìn)行了仿真實(shí)驗(yàn)。仿真結(jié)果顯示，BGLL改進(jìn)后的算法運(yùn)用于測(cè)試基準(zhǔn)網(wǎng)