超大規(guī)模社交網(wǎng)絡(luò)中基于結(jié)構(gòu)與主題的社團(tuán)挖掘.pdf

1、社團(tuán)挖掘作為復(fù)雜網(wǎng)絡(luò)分析中的一個(gè)重要方法，近年來(lái)越來(lái)越多的研究者將其應(yīng)用到社交網(wǎng)絡(luò)分析、萬(wàn)維網(wǎng)服務(wù)、網(wǎng)絡(luò)可視化等具體問(wèn)題中。目前許多社團(tuán)挖掘算法復(fù)雜度高，難以處理大規(guī)模網(wǎng)絡(luò)，本文利用Graphlab平臺(tái)分布式實(shí)現(xiàn)社團(tuán)挖掘算法以適用于大規(guī)模網(wǎng)絡(luò)分析。
　　本文的主要工作包括如下三個(gè)方面：
　　(1)提出了基于初始社團(tuán)和可信度的改進(jìn)標(biāo)簽傳播(LPA)算法。傳統(tǒng)的標(biāo)簽傳播算法在Graphlab平臺(tái)上存在不收斂和劃分不穩(wěn)定等問(wèn)題。為

2、了解決這些問(wèn)題，本文從如下兩個(gè)方面對(duì)LPA算法進(jìn)行改進(jìn)：首先選擇網(wǎng)絡(luò)部分節(jié)點(diǎn)作為中心節(jié)點(diǎn)，將中心節(jié)點(diǎn)及其一階鄰居初始化為同一社團(tuán)，從而大幅降低了標(biāo)簽傳播算法的初始社團(tuán)數(shù)目；然后為網(wǎng)絡(luò)中每條邊定義一個(gè)可信度，可信度越高表明鄰居節(jié)點(diǎn)的標(biāo)簽越可信，在標(biāo)簽傳播過(guò)程中根據(jù)可信度改進(jìn)隨機(jī)選擇策略。在仿真網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)上，對(duì)改進(jìn)LPA算法進(jìn)行了測(cè)試，實(shí)驗(yàn)表明改進(jìn)LPA算法的劃分結(jié)果更加穩(wěn)定和準(zhǔn)確。
　　(2)在BIGCLAM算法基礎(chǔ)上提出了結(jié)合

3、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和用戶主題信息的社團(tuán)生成模型。web2.0技術(shù)催生了大量用戶生成內(nèi)容的網(wǎng)絡(luò)(如Facebook、Twitter、GooglePlus)，用戶在這些網(wǎng)絡(luò)上留下了大量主題信息，本文將這些信息引入到社團(tuán)挖掘中。在社團(tuán)生成模型中，假設(shè)社團(tuán)生成了網(wǎng)絡(luò)連邊和節(jié)點(diǎn)主題，進(jìn)而建立網(wǎng)絡(luò)的似然函數(shù)，利用鄰接矩陣和節(jié)點(diǎn)主題極大化似然函數(shù)，最后得到節(jié)點(diǎn)所屬的社團(tuán)。在主題社交網(wǎng)絡(luò)上對(duì)社團(tuán)生成模型進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明引入主題信息對(duì)社團(tuán)劃分性能有所提升