首页> 正文

基于社会网络的社区发现算法研究

2020-12-08阅读(256)

基于社会网络的社区发现算法研究

论文摘要

在互联网快速发展的时代背景下,现实世界中网络逐渐变得越来越复杂,挖掘复杂网络背后蕴含的数据价值显得愈发重要。社区划分技术引发学术界和工业界越来越多的关注,它能够发现网络中固有的社区结构,并在社会、商业、生物、医药、疾病防控和反恐等领域都具有广泛的应用。本文主要针对社会网络中的社区发现算法进行研究,其主要工作和贡献如下:（1）由于标签传播算法在社区发现中存在不稳定性,针对这一问题,本文提出一种基于自适应H-index的标签传播算法（AHLPA）。该算法基于改进的H-index来衡量网络中节点的影响力,并依据节点影响力和扩展的多层邻居节点给出节点重要性的定义,对节点进行更加细粒度的刻画。算法利用节点重要性对节点更新序列进行排序,并重新优化节点选择标签的策略,进一步减少随机性。实验结果表明AHLPA算法在性能和稳定性上都具有较大提升。（2）对于重叠社区,基于边划分的算法具有天然的优势,但也存在不少问题,本文提出一种基于边的标签优化算法（LinkLPAm）。首先,基于边的网络规模一般较原始网络扩大若干倍,因此采用基于边的粗糙团初始化边标签,这样不仅能够保证初始解的质量,还能够加速算法收敛。其次,结合标签传播和优化算法的思想进行基于边的社区发现。最后,根据社区相似性度量对社区进行基于贪心策略的合并,这样可以避免产生相似或过小的社区。实验仿真结果表明该算法的有效性和可用性。（3）针对一般的局部社区算法采用贪婪地将节点加入到局部社区的策略会陷入局部最优的问题,本文提出一种基于简单概率模型的局部社区发现算法（LCDGAP）。该算法主要松弛了节点加入局部社区的条件,使用局部模块度M作为节点与社区的紧密程度的度量,当节点的局部模块度增益Δm<0时,允许节点以一定的概率p加入到社区中。同时,提出一种简单概率模型代替模拟退火算法中的概率公式平衡算法的性能和时间效率。最终实验结果证明,该方法不仅有效地减少参数,而且在不降低Precision值的情况下,大大提高算法的Recall值。（4）设计并实现用户数据检索与可视化系统,并将本文提出的核心算法应用在工程实践上。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景和意义
  •   1.2 社区发现算法的国内外相关工作
  •     1.2.1 非重叠社区划分算法
  •     1.2.2 重叠社区划分算法
  •     1.2.3 局部社区划分算法
  •   1.3 本文的主要研究内容
  •   1.4 本文的结构安排
  • 第二章 .基于自适应H-index的标签传播算法
  •   2.1 引言
  •   2.2 相关知识
  •   2.3 AHLPA算法
  •     2.3.1 基于H-index的节点重要性
  •     2.3.2 节点标签更新规则
  •     2.3.3 算法描述
  •   2.4 实验结果与分析
  •     2.4.1 评价标准
  •     2.4.2 真实网络实验结果及分析
  •     2.4.3 合成基准网络实验结果及分析
  •   2.5 本章小结
  • 第三章 .基于边的标签优化算法
  •   3.1 引言
  •   3.2 相关基础知识
  •     3.2.1 .基本概念
  •     3.2.2 基于边的标签传播算法过程
  •   3.3 LinkLPAm算法
  •     3.3.1 初始化边标签
  •     3.3.2 标签传播优化
  •     3.3.3 后处理
  •   3.4 实验结果与分析
  •     3.4.1 数据集与度量
  •     3.4.2 实验与分析
  •   3.5 本章小结
  • 第四章 基于简单概率模型的局部社区发现算法
  •   4.1 引言
  •   4.2 相关知识
  •   4.3 LCDGAP算法
  •     4.3.1 问题阐述
  •     4.3.2 简单概率模型
  •     4.3.3 算法步骤
  •   4.4 实验结果与分析
  •     4.4.1 评价标准
  •     4.4.2 真实网络实验
  •     4.4.3 人工合成网络实验
  •   4.5 本章小结
  • 第五章 用户数据检索与可视化系统设计与实现
  •   5.1 需求分析
  •   5.2 系统架构
  •   5.3 功能模块
  •     5.3.1 数据采集
  •     5.3.2 数据检索
  •     5.3.3 个人数据可视化
  •     5.3.4 全局数据可视化
  •   5.4 系统展示
  •   5.5 本章小结
  • 第六章 总结和展望
  •   6.1 论文主要工作以及贡献
  •   6.2 下一步工作展望
  • 参考文献
  • 致谢
  • 在学期间的研究成果及发表的学术论文

    • 文章来源

    类型: 硕士论文

    作者: 朱小祥

    导师: 夏正友

    关键词: 社区发现,重叠社区,局部社区,标签传播算法,优化算法,贪婪算法,概率模型

    来源: 南京航空航天大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 南京航空航天大学

    分类号: O157.5

    DOI: 10.27239/d.cnki.gnhhu.2019.001770

    总页数: 87

    文件大小: 4200K

    下载量: 66

    相关论文文献

    • [1].算法歧视的伦理反思[J]. 自然辩证法通讯 2019(10)
    • [2].算法自动化决策风险的法律规制研究[J]. 法治研究 2019(04)
    • [3].一种基于属性加权的平均单一依赖估计改进算法[J]. 统计与信息论坛 2018(05)
    • [4].基于分类规则算法对存款意愿倾向的研究[J]. 石河子科技 2018(02)
    • [5].多源融合导航系统的融合算法综述[J]. 全球定位系统 2018(03)
    • [6].西方新闻传播学的算法研究综述[J]. 新闻爱好者 2019(04)
    • [7].算法共谋的规制思路[J]. 市场周刊 2019(07)
    • [8].基于标签传播的社区发现算法研究与应用[J]. 电脑迷 2018(01)
    • [9].试论算法的法律保护模式[J]. 电子知识产权 2019(06)
    • [10].一种计算代价敏感算法分类精度的方法[J]. 中国计量大学学报 2017(01)
    • [11].Hadoop平台分布式SVM算法分类研究[J]. 计算机系统应用 2017(08)
    • [12].基于改进K-means聚类算法的大田麦穗自动计数[J]. 农业工程学报 2019(03)
    • [13].一种基于聚类算法的机会网络路由算法[J]. 华南师范大学学报(自然科学版) 2019(04)
    • [14].运用不同聚类算法对风电场功率预测研究[J]. 南方农机 2018(09)
    • [15].基于K-means算法的案件预测应用[J]. 计算机与数字工程 2019(08)
    • [16].MKDSIF-FCM算法及其性能分析[J]. 科技创新与应用 2018(34)
    • [17].一种自适应分类重用距离来捕捉热数据的缓存算法[J]. 小型微型计算机系统 2018(09)
    • [18].基于DEC算法的多标记学习[J]. 安庆师范大学学报(自然科学版) 2018(02)
    • [19].基于跳跃显露模式挖掘算法的癌症分类[J]. 计算机与现代化 2018(05)
    • [20].基于特别的特征表示方法的局部线性KNN算法[J]. 计算机科学与探索 2018(01)
    • [21].基于细菌觅食优化的DV-Hop定位算法[J]. 忻州师范学院学报 2018(02)
    • [22].EM-KNN算法在复烤烟叶分类上的运用[J]. 软件 2018(06)
    • [23].基于多种群量子进化的区间二型模糊规则挖掘算法[J]. 控制理论与应用 2019(01)
    • [24].决策树C4.5算法的改进与分析[J]. 计算机工程与应用 2019(12)
    • [25].基于花授粉算法的贝叶斯分类器优化研究[J]. 微电子学与计算机 2018(03)
    • [26].基于邻域一致性和DBPSO的跌倒检测特征集优化算法[J]. 计算机与现代化 2017(11)
    • [27].基于修正饱和度特征的过曝光区域检测算法[J]. 电子技术与软件工程 2019(11)
    • [28].基于密度聚类算法的照片分类技术[J]. 科学技术创新 2019(23)
    • [29].抽样一致性及其改进算法综述[J]. 智能计算机与应用 2019(05)
    • [30].基于PCA鸟群算法的SVM参数优化及应用[J]. 计算机工程与设计 2018(04)

    标签：;  ;  ;  ;  ;  ;  ;  

    基于社会网络的社区发现算法研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6