局部拓展类重叠社区发现算法研究

局部拓展类重叠社区发现算法研究

论文摘要

随着互联网在现代生活中的普及,现实世界中的许多事物都以网络的形态存在,重叠社区发现算法可以帮助我们更好地理解网络的结构特征。目前重叠社区发现算法总体可以分为全局划分和局部扩展两大类。本文主要对局部扩展类的重叠社区发现算法进行研究,针对现有算法在划分结果的准确性、稳定性和算法运行时间等方面存在的一些不足进行研究,提出多种改进算法。本文的主要研究工作及贡献如下:(1)针对现有算法划分结果在准确性和稳定性方面的不足,提出了一种基于K-核迭代因子和社区隶属度的重叠社区发现算法(KIMDOC)。首先,该算法引入一种节点重要性评估方法K-核迭代因子,同时引入节点密度的概念得到节点局部影响力的计算公式,利用这两种方法来计算节点影响力,并依据节点影响力选择种子节点,作为初始社区。其次,基于节点影响力提出一种新的社区隶属度函数,利用该社区隶属度函数基础上,以初始社区为核心,逐步进行局部扩展,因不同的社区间会有交集,故KIMDOC算法可以发现重叠社区。最后,对重叠度高的社区和孤立节点进行处理,得到最终的划分结果。(2)为了提高KIMDOC算法的运行效率,提出了一种基于完全图和社区隶属度的重叠社区发现算法(KIMDOC-CG)。该算法是在KIMDOC算法的基础上进行改进。首先,用KIMDOC算法中节点影响力的计算方法,选择种子节点。其次,以种子节点为核心,寻找完全图,形成初始社区。然后,在KIMDOC算法中的社区隶属度函数基础上,以初始社区为核心,进行局部扩展。最后,对孤立节点和重叠度高的社区进行处理,得到最终的划分结果。(3)针对现有算法在时间效率和阈值参数方面的不足,提出了一种基于K-核迭代因子和完全图的重叠社区发现算法(KICGOC)。该算法引入KIMDOC算法中节点影响力的计算方法,并依据节点影响力选择种子节点。其次,以种子节点为核心,按照不断寻找完全图的方式进行局部扩展。在扩展社区时,因为使用完全图代替社区隶属度,避免阈值参数对算法结果的影响;由于没有社区隶属度的计算,提升了算法的速度。最后,对重叠度高的社区进行合并,得到最终的划分结果。(4)在真实网络和人工基准网络上,与现有多种算法进行的对比实验表明:1)KIMDOC算法具有较高的稳定性和准确性,能够得到高质量的重叠社区;2)KIMDOC-CG算法不仅具有较高稳定性和准确性,能够发现高质量的重叠社区,并且在节点数量大于1000的复杂网络上,运行速度高于现有算法和KIMDOC算法;3)KICGOC算法在社区划分结果比现有算法好的情况下,不需要设置阈值参数,同时在节点数量大于1000的复杂网络上,具有更高的时间效率。

论文目录

  • 摘要
  • 英文摘要
  • 1 绪论
  •   1.1 研究背景和研究意义
  •   1.2 国内外研究现状
  •   1.3 本文主要研究内容和创新点
  •   1.4 文章组织架构
  • 2 相关理论
  •   2.1 复杂网络概述
  •   2.2 复杂网络结构特征
  •     2.2.1 规则网络结构
  •     2.2.2 小世界特性
  •     2.2.3 聚类系数
  •   2.3 社区的概念及评价指标
  •     2.3.1 社区的相关定义
  •     2.3.2 社区的评价标准
  •   2.4 局部扩展类算法
  •     2.4.1 算法基本过程
  •     2.4.2 时间复杂度分析
  •   2.5 K-核分解算法
  •   2.6 本章小结
  • 3 基于K-核迭代因子和社区隶属度的重叠社区发现算法
  •   3.1 种子节点选择的改进
  •     3.1.1 节点影响力计算
  •     3.1.2 种子节点选择
  •   3.2 社区隶属度
  •     3.2.1 邻接节点集的影响力
  •     3.2.2 节点在社区中的影响力
  •   3.3 算法局部扩展过程
  •   3.4 算法描述
  •   3.5 算法分析
  •   3.6 实验分析
  •     3.6.1 实验数据
  •     3.6.2 实验参数选择
  •     3.6.3 真实网络结果对比
  •     3.6.4 人工基准网络结果对比
  •   3.7 本章小结
  • 4 基于完全图和社区隶属度的重叠社区发现算法
  •   4.1 种子节点选择
  •   4.2 形成初始社区
  •   4.3 算法局部扩展
  •   4.4 算法描述
  •   4.5 算法分析
  •   4.6 实验分析
  •     4.6.1 实验数据
  •     4.6.2 实验参数选择
  •     4.6.3 真实网络结果对比
  •     4.6.4 人工基准网络结果对比
  •   4.7 本章小结
  • 5 基于K-核迭代因子和完全图的重叠社区发现算法
  •   5.1 种子节点选择
  •   5.2 算法局部扩展过程
  •   5.3 算法描述
  •   5.4 算法分析
  •   5.5 实验分析
  •     5.5.1 实验数据
  •     5.5.2 真实网络结果对比
  •     5.5.3 人工基准网络结果对比
  •   5.6 本章小结
  • 6 总结和展望
  •   6.1 总结
  •   6.2 展望
  • 参考文献
  • 附录
  •   A.作者在攻读学位期间发表的论文目录
  •   B.学位论文数据集
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 赵亮

    导师: 朱征宇

    关键词: 重叠社区,复杂网络,节点影响力,社区隶属度,完全图

    来源: 重庆大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 重庆大学

    分类号: TP301.6;O157.5

    DOI: 10.27670/d.cnki.gcqdu.2019.000518

    总页数: 64

    文件大小: 1194k

    下载量: 12

    相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  ;  

    局部拓展类重叠社区发现算法研究
    下载Doc文档

    猜你喜欢