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。這種錯綜復(fù)雜的關(guān)系組成一個龐大的社交網(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)實生活中是不實用的，由此引發(fā)了大家對重疊網(wǎng)絡(luò)的研究，近幾年來取得了不小的進(jìn)展。本文即針對重疊社區(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)點不止屬于一個社區(qū)，能夠有效地識別

2、這些重疊節(jié)點是本文算法研究的重點。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，對單個種子節(jié)點進(jìn)行成長的理念。本文鑒于局部擴(kuò)充的核心思想，對種子選擇、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)點過于隨機，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，通過刪除網(wǎng)絡(luò)中影響力較小的節(jié)點來得到核心結(jié)構(gòu)。主要基于度數(shù)較多的點在

3、社團(tuán)結(jié)構(gòu)中是比較重要的節(jié)點，如果一個節(jié)點的影響力較大那么它鄰居節(jié)點也是重要的。
　?、?LFM算法和GCE算法在對一個種子進(jìn)行擴(kuò)充時并未對其候選集進(jìn)行判斷，這嚴(yán)重影響了算法性能。本文對擴(kuò)充過程進(jìn)行了細(xì)致的推導(dǎo)和嚴(yán)格的數(shù)學(xué)證明，對社區(qū)擴(kuò)充過程產(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，如果不加以判斷會對結(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)點集合還考慮了

4、社區(qū)鄰居節(jié)點的影響，更具有實際意義。
　?、軐U(kuò)充過程進(jìn)行并行化處理。并行化是提高算法性能的一個很重要的手段，通過分析本文算法過程，可以方便的解除數(shù)據(jù)依賴，并且引入生產(chǎn)者消費者模型來解決線程通信問題。由于硬件環(huán)境限制實驗在多核CPU上進(jìn)行操作。
　?、萃ㄟ^應(yīng)用到實際網(wǎng)絡(luò)圖中驗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對于社區(qū)發(fā)現(xiàn)的準(zhǔn)確性以及時間損耗。準(zhǔn)確性用NMI（標(biāo)準(zhǔn)互信息量）進(jìn)行度量，發(fā)現(xiàn)本文算法對于