復(fù)雜網(wǎng)絡(luò)聚類分析及其應(yīng)用研究.pdf

1、復(fù)雜網(wǎng)絡(luò)的研究已經(jīng)成為互聯(lián)網(wǎng)、社會學(xué)、生物學(xué)等多個領(lǐng)域的一個基礎(chǔ)課題。節(jié)點的聚集現(xiàn)象是很多復(fù)雜網(wǎng)絡(luò)具有的一個特性,被稱為簇、社團或群。語義復(fù)雜網(wǎng)絡(luò)的聚集現(xiàn)象可以揭示網(wǎng)絡(luò)中節(jié)點間語義的相似性,據(jù)此可以從少量節(jié)點的精確語義獲得其他節(jié)點的潛在語義。
　　 首先,語義復(fù)雜網(wǎng)絡(luò)是一種加權(quán)的復(fù)雜網(wǎng)絡(luò),以往的研究主要是為發(fā)現(xiàn)非加權(quán)復(fù)雜網(wǎng)絡(luò)的聚集現(xiàn)象,本文將研究一種加權(quán)復(fù)雜網(wǎng)絡(luò)即語義復(fù)雜網(wǎng)絡(luò)的聚集算法從而發(fā)掘節(jié)點間的語義關(guān)系。這種加權(quán)復(fù)雜網(wǎng)絡(luò)是

2、將用戶檢索的反饋轉(zhuǎn)化為描述對象語義關(guān)系的復(fù)雜網(wǎng)絡(luò)。為此提出一種基于語義核的凝聚型層次聚類算法CACNSC,發(fā)現(xiàn)不同粒度下語義的聚集現(xiàn)象。
　　 然后,通過推薦少量對象由專家標注,或根據(jù)少量對象的已有的精確語義,再基于層次聚類過程中構(gòu)建的語義關(guān)系樹,實現(xiàn)其他對象的語義標注。對含有大量噪音的模擬反饋數(shù)據(jù)和Princeton Shape Benchmark的真實反饋信息的實驗表明,所提方法在語義聚集和標注兩個方面都取得了較好的效果。<