论文摘要
社团结构作为网络中一种重要的拓扑结构,在网络分析任务中具有重要的理论研究意义和社会应用价值。近年来,对于社团发现方法的研究从未间断,研究者们提出了许多新的社团发现方法。目前的大部分社团发现方法主要关注于网络中单一粒度上最为显著的社团结构发现问题,对于相对较为隐藏的社团结构研究不足。然而,这种隐藏社团结构在解决现实问题中往往有着重要的应用价值。因此,构建网络由显著到隐藏的多粒度社团结构对于更加全面地分析和理解网络结构具有重要意义。针对上述问题,本文对多粒度社团发现问题进行了研究,主要内容包括:1.为了发现网络中隐藏的社团结构,本文提出了一种基于网络嵌入的社团结构弱化算法。该算法首先基于网络嵌入方法,使用低维向量表示网络中的节点信息,克服了传统基于邻接矩阵的网络表示方法高维稀疏、计算复杂度高、低可并行性和无法应用机器学习方法等缺点。随后,该算法引入高斯混合模型,假设网络中所有节点的嵌入向量均由同一个高斯混合模型生成,将网络中节点的嵌入向量拟合高斯混合模型。最后,通过降低节点属于原社团概率的方法,增大节点属于其他未知社团的概率,达到弱化社团结构的目的。实验结果表明,该算法可以有效地弱化已发现的社团结构,帮助发现网络中的隐藏社团结构。2.为了构建出由显著到隐藏的多粒度社团结构,本文提出了一种基于社团结构弱化的多粒度社团发现算法。该算法基于本文提出的社团结构弱化算法,通过迭代进行社团结构弱化与社团发现,构建网络的多粒度社团结构模型。这种多粒度社团结构不仅包括了网络中最显著的社团结构,同时包括了网络中传统社团发现方法无法发现的隐藏社团结构,为更加全面的分析和理解网络结构提供了有效手段,具有重要的现实应用价值。实验结果表明,该算法可以构建出网络的多粒度社团结构,且在大部分实验数据集上,该算法相较于现有方法有更好的性能表现。
论文目录
文章来源
类型: 硕士论文
作者: 龚晨旭
导师: 王国胤
关键词: 社交网络分析,社团发现,网络嵌入,社团结构弱化,多粒度
来源: 重庆邮电大学
年度: 2019
分类: 基础科学
专业: 数学
单位: 重庆邮电大学
分类号: O157.5
DOI: 10.27675/d.cnki.gcydx.2019.000430
总页数: 52
文件大小: 2868K
下载量: 39
相关论文文献
- [1].基于群体智能的自组织重叠社团结构分析算法[J]. 计算机应用研究 2019(05)
- [2].基于社团结构的组合信息重连策略[J]. 复杂系统与复杂性科学 2019(02)
- [3].具有社团结构和多耦合时滞的复杂网络的拓扑识别[J]. 科技促进发展 2012(s1)
- [4].复杂网络的社团结构发现[J]. 河北省科学院学报 2013(02)
- [5].科研领域关联网络的社团结构分析[J]. 上海理工大学学报 2008(02)
- [6].企业非正式组织社团划分的超网络模型研究[J]. 技术经济与管理研究 2017(05)
- [7].具有社团结构的有界信任舆论涌现模型研究[J]. 系统仿真学报 2009(23)
- [8].元胞自动机法寻找社团结构[J]. 北京师范大学学报(自然科学版) 2008(02)
- [9].基于最大节点接近度的局部社团结构探测算法[J]. 计算机工程 2010(01)
- [10].基于社团结构动态演化的主题突变实时监测研究[J]. 情报理论与实践 2019(07)
- [11].机会网络中基于有权社团结构图的路由协议研究[J]. 电子学报 2016(10)
- [12].基于社团结构的多层复杂网络中信息传播机制研究[J]. 情报理论与实践 2019(03)
- [13].社交网络数据采集方法研究及社团结构分析[J]. 现代计算机(专业版) 2016(08)
- [14].基于标签扩散的时序平滑社团检测算法[J]. 合肥工业大学学报(自然科学版) 2020(11)
- [15].完全子图的邻域重叠社团结构探测[J]. 物联网技术 2012(07)
- [16].完全子图的邻域重叠社团结构探测[J]. 现代电子技术 2012(18)
- [17].本期“复杂性科学”专栏评述[J]. 电子科技大学学报 2011(04)
- [18].基于社团结构节点重要性的网络可视化压缩布局[J]. 北京航空航天大学学报 2019(12)
- [19].基于组合模型的局部搜索弱社团结构发现算法[J]. 计算机工程 2012(17)
- [20].进化谱分算法检测动态网络社团结构[J]. 西安电子科技大学学报 2018(02)
- [21].复杂网络中社团发现算法的研究[J]. 微型电脑应用 2017(10)
- [22].伪度优先演化网络的社团结构研究[J]. 计算机工程与应用 2009(20)
- [23].社团结构改变对振子网络同步行为的影响[J]. 河北师范大学学报(自然科学版) 2018(05)
- [24].复杂网络社区挖掘理论及其应用研究综述[J]. 福建电脑 2017(03)
- [25].面向多源社交网络的社团结构特征研究[J]. 工程科学与技术 2017(S2)
- [26].近似线性时间的社团结构动态演化挖掘算法[J]. 计算机科学 2016(S1)
- [27].基于字典学习的网络社团结构探测算法[J]. 中国科学:信息科学 2011(11)
- [28].基于连续Hopfield网络的复杂网络社团结构提取[J]. 大理大学学报 2018(12)
- [29].基于FCM的复杂网络重叠社团结构发现算法[J]. 微电子学与计算机 2011(12)
- [30].基于图流在线非负矩阵分解的社团检测[J]. 电子学报 2017(09)