基于局部擴(kuò)充的重疊社區(qū)發(fā)現(xiàn)算法研究和改進(jìn).pdf

1、隨著網(wǎng)絡(luò)的飛速發(fā)展以及社交媒體的廣泛應(yīng)用，使得人與人之間的聯(lián)系尤為密切。這種錯(cuò)綜復(fù)雜的關(guān)系組成一個(gè)龐大的社交網(wǎng)絡(luò)，因此吸引了眾多學(xué)者致力于復(fù)雜網(wǎng)絡(luò)的研究，從復(fù)雜網(wǎng)絡(luò)中發(fā)現(xiàn)并抽取其中的模塊結(jié)構(gòu)這就是所謂的社區(qū)發(fā)現(xiàn)。以前學(xué)者都致力于非重疊網(wǎng)絡(luò)的研究，然后這在現(xiàn)實(shí)生活中是不實(shí)用的，由此引發(fā)了大家對(duì)重疊網(wǎng)絡(luò)的研究，近幾年來(lái)取得了不小的進(jìn)展。本文即針對(duì)重疊社區(qū)發(fā)現(xiàn)算法進(jìn)行改進(jìn)。
　　重疊社區(qū)即網(wǎng)絡(luò)中包含的節(jié)點(diǎn)不止屬于一個(gè)社區(qū)，能夠有效地識(shí)別

2、這些重疊節(jié)點(diǎn)是本文算法研究的重點(diǎn)。比較有名的算法有 LFM算法和GCE算法，它們都是利用網(wǎng)絡(luò)的局部信息，對(duì)單個(gè)種子節(jié)點(diǎn)進(jìn)行成長(zhǎng)的理念。本文鑒于局部擴(kuò)充的核心思想，對(duì)種子選擇、社區(qū)擴(kuò)充剪枝、相似度判斷、并行化模型等提出了自己的改進(jìn)方案。
　?、儆捎贚FM算法選擇種子節(jié)點(diǎn)過(guò)于隨機(jī)，影響算法準(zhǔn)確性；而GCE算法需要找到網(wǎng)絡(luò)圖的所有團(tuán)結(jié)構(gòu)，影響算法效率；本文采取折中策略，通過(guò)刪除網(wǎng)絡(luò)中影響力較小的節(jié)點(diǎn)來(lái)得到核心結(jié)構(gòu)。主要基于度數(shù)較多的點(diǎn)在

3、社團(tuán)結(jié)構(gòu)中是比較重要的節(jié)點(diǎn)，如果一個(gè)節(jié)點(diǎn)的影響力較大那么它鄰居節(jié)點(diǎn)也是重要的。
　?、?LFM算法和GCE算法在對(duì)一個(gè)種子進(jìn)行擴(kuò)充時(shí)并未對(duì)其候選集進(jìn)行判斷，這嚴(yán)重影響了算法性能。本文對(duì)擴(kuò)充過(guò)程進(jìn)行了細(xì)致的推導(dǎo)和嚴(yán)格的數(shù)學(xué)證明，對(duì)社區(qū)擴(kuò)充過(guò)程產(chǎn)生的候選集進(jìn)行了剪枝處理，以進(jìn)一步的提升算法效率。
　　③種子擴(kuò)充后生成的社區(qū)存在一定的相似性，如果不加以判斷會(huì)對(duì)結(jié)果準(zhǔn)確性產(chǎn)生影響。本文提到的相似度度量公式除了考慮社區(qū)節(jié)點(diǎn)集合還考慮了

4、社區(qū)鄰居節(jié)點(diǎn)的影響，更具有實(shí)際意義。
　?、軐?duì)擴(kuò)充過(guò)程進(jìn)行并行化處理。并行化是提高算法性能的一個(gè)很重要的手段，通過(guò)分析本文算法過(guò)程，可以方便的解除數(shù)據(jù)依賴，并且引入生產(chǎn)者消費(fèi)者模型來(lái)解決線程通信問(wèn)題。由于硬件環(huán)境限制實(shí)驗(yàn)在多核CPU上進(jìn)行操作。
　　⑤通過(guò)應(yīng)用到實(shí)際網(wǎng)絡(luò)圖中驗(yàn)證了種子選擇策略在一定范圍之內(nèi)的可行性，以及綜合改進(jìn)算法ISA對(duì)于社區(qū)發(fā)現(xiàn)的準(zhǔn)確性以及時(shí)間損耗。準(zhǔn)確性用NMI（標(biāo)準(zhǔn)互信息量）進(jìn)行度量，發(fā)現(xiàn)本文算法對(duì)于