检索结果-内蒙古大学图书馆

计算机技术与发展 2024年第9期34卷 174-181页

作者：胡志涛余路粉潘文林云南民族大学数学与计算机科学学院云南昆明650504

标签传播算法(Speaker-Listener Label Propagation Algorithm,SLPA)在重叠社团检测任务上具有线性时间复杂度和优良的检测效果,但作为一种随机算法其多次的随机选择策略致使算法的精度受限且算法结果不稳定;此外,算法在选取的阈值较低... 详细信息

标签传播算法(Speaker-Listener Label Propagation Algorithm,SLPA)在重叠社团检测任务上具有线性时间复杂度和优良的检测效果,但作为一种随机算法其多次的随机选择策略致使算法的精度受限且算法结果不稳定;此外,算法在选取的阈值较低时容易出现大量相互嵌套的小型社团和重叠节点。针对上述问题,提出一种精度更高、稳定性更好的改进算法。算法初始化阶段,使用节点局部结构熵(Local Structure Entropy,LE)计算的节点重要性排序升序作为节点更新序列;标签传播阶段,使用资源分配指标(Resource Allocation,RA)作为节点进一步选择的依据,引导标签传播的方向;后处理阶段,新增两两对比待选社团集以去除嵌套包含的社团。在真实网络与人工网络上验证算法的有效性,使用重叠标准互信息(Overlapping Normalized Mutual Information,NMIov)和扩展模块度(Extended Modularity,EQ)与5个经典算法进行对比。实验证明,改进算法在精度与经典算法相比具有优势,在真实网络和人工网络中均具备较好的鲁棒性;改进算法与原算法相比,算法的结果精度分布更为集中,算法的稳定性有提升。

关键词：复杂网络重叠社团检测标签传播算法局部结构熵 SLPA

来源：评论

学校读者我要写书评

暂无评论

基于双通道CNN的半监督高光谱图像分类方法研究

基于双通道CNN的半监督高光谱图像分类方法研究

引用

作者：王晨晨中国民航大学

学位级别：硕士

高光谱图像是指利用很多很窄的电磁波波段对地球表面物体的成像,包含了成像物体丰富的光谱信息和空间信息,使得高光谱图像具有极强的地物识别能力。高光谱图像具有的丰富信息使得数据处理和分析变得非常困难,并且存在样本标记困难和有... 详细信息

高光谱图像是指利用很多很窄的电磁波波段对地球表面物体的成像,包含了成像物体丰富的光谱信息和空间信息,使得高光谱图像具有极强的地物识别能力。高光谱图像具有的丰富信息使得数据处理和分析变得非常困难,并且存在样本标记困难和有标记样本不足的问题。为了充分提取和利用图像特征,解决有标签样本不足的问题,本文展开递进式研究,本文完成的主要研究内容如下:(1)针对高光谱图像数据维度高,结构复杂的问题,提出了一种基于双通道CNN(Convolutional Neural Networks,CNN)的混合空谱特征提取方法,并且在提取空间特征时采用局部二值模式(Local Binary Patterns,LBP)和主成分分析(Principal Component Analysis,PCA)相结合,降低LBP和CNN提取空间特征的压力;为后续图像分类提供具有良好判别能力的特征信息。(2)针对目前存在的特征提取困难,分类精度不高的问题。本文提出一种基于双通道CNN结合核极限学习机的图像分类方法。首先利用双通道CNN提取混合空谱特征,结合泛化能力强的核极限学习机作为分类器,提高了图像的分类性能。(3)针对高光谱图像标签样本有限的问题,提出了一种基于双通道CNN的自训练半监督学习高光谱图像样本分类方法。该方法利用标签传播算法给无标签数据做伪标签,采用样本筛选策略从大量的无标签样本中寻找一些可靠的伪标签样本,采用迭代方式挑选可靠伪标签样本。将每次挑选的伪标签样本加入到有标签的训练集,从而扩充有标签样本集,充分利用大量无标签样本的特征信息,达到提升图像分类精度的目的。(4)本文在上述模型和算法研究的基础上,进行高光谱图像分类软件的设计和开发,目标是将本文研究得到的高光谱图像处理算法集成起来,方便用户操作实现高光谱图像分类,方便后续研究和改进分类算法。

关键词：高光谱图像分类特征提取主成分分析局部二值模型核极限学习机半监督学习标签传播算法

来源：评论

学校读者我要写书评

暂无评论

面向智慧警务的重点人员行为分析与预测预警技术研究

面向智慧警务的重点人员行为分析与预测预警技术研究

引用

作者：赵勇湘潭大学

学位级别：硕士

随着信息技术的高速发展和大数据的广泛应用,智慧警务已成为提高警务工作效率和改善社区治安的重要方式。从海量数据中快速挖掘有效信息,对分析人员行为并实现社区警务的预测预警尤为重要。A省提供的B市C区部分普通人员与重点人员轨迹... 详细信息

随着信息技术的高速发展和大数据的广泛应用,智慧警务已成为提高警务工作效率和改善社区治安的重要方式。从海量数据中快速挖掘有效信息,对分析人员行为并实现社区警务的预测预警尤为重要。 A省提供的B市C区部分普通人员与重点人员轨迹数据存在格式不规范、数据缺失以及标注不一致等问题。针对不规范的数据格式和一定量的缺失值的问题,本文进行了系统的数据预处理工作,包括数据清洗、构建规范化数据集等步骤,旨在为后续的数据分析提供坚实的基础。针对这些问题,本文的主要工作如下: (1)针对大量数据集的标注问题,本文提出了基于图卷积网络(GCN)的标签传播改进模型。该模型融合了图注意力网络(GAT)和Dropout技术,在保证模型高效捕捉高阶邻居信息的同时,有效降低过拟合风险。我们通过一系列严密的对比实验验证了模型的有效性和优越性。在多项评价指标(包括准确率、精确率、召回率和F1分数等)上,所提出的模型均展现出了优于其他对比方法的性能。该模型有效克服了的大规模数据标注挑战,为将来应用警务平台处理大规模轨迹数据打下基础。 (2)基于人员轨迹数据,本文提出了一种面向智慧警务的重点人员行为分析与预测预警模型。通过挖掘大量数据,实现对重点人员行为的精准预测,并将预警信息实时传输给社区警务人员。本研究对于提高社区安全具有重要意义。 (3)在理论模型的基础上,本文设计并实现了一个基于Spark的重点人员行为预测预警系统,能准确预测重点人员行为并对潜在的犯罪活动进行预警。预警信息可实时传递给社区警务人员,从而有效增强其应急响应能力。本文深入探讨了大数据理论与关键技术,在系统需求与概要设计阶段考虑了数据存储、分析与可视化等诸多方面。文章详细描述了系统设计的逻辑过程,包括预测预警模型以及功能分析等。系统采用Spark作为计算引擎,结合内存数据库Redis,实现对轨迹数据的实时处理,从而对重点人员的行为进行精确分析并及时发出预警信息,为社区警务实时决策提供有力支持。

关键词：智慧警务行为分析预测预警数据挖掘标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于Flink Gelly的分布式重叠社区发现算法

基于Flink Gelly的分布式重叠社区发现算法

引用

作者：董立华吉林大学

学位级别：硕士

网络(图)是描述数据的一种基本形式,网络中的节点代表着一个实体,网络中的边代表着实体间的联系,解析复杂网络的结构一直是学术界的热门问题,社区发现问题便是其中之一。为了挖掘复杂网络中内部联系紧密、外部联系稀疏的“小团体”(也... 详细信息

网络(图)是描述数据的一种基本形式,网络中的节点代表着一个实体,网络中的边代表着实体间的联系,解析复杂网络的结构一直是学术界的热门问题,社区发现问题便是其中之一。为了挖掘复杂网络中内部联系紧密、外部联系稀疏的“小团体”(也就是社区),前人已经做出了许多有益的贡献,一方面针对不同规模、不同特性的网络提出了各种社区发现算法,如标签传播算法;另一方面工业界针对越来越多的数据规模开发了许多便捷的工具,其中最著名的当属谷歌的“三驾马车”,其中的分布式计算模型Hadoop经过多年迭代,孕育出了第二代流式计算引擎Spark、第三代流式计算引擎Flink。由于Spark起步较早,过去大部分工程化实践都基于Spark平台,且很多只使用了批处理API。如何将传统的社区发现算法与Flink分布式计算的特性更好地结合是本文讨论的重点,因此在传统标签传播算法的基础上,本文提出基于Flink Gelly的分布式重叠社区发现算法——Master LPA。本文的工作可总结为以下几部分:一、在核心节点群选择阶段,提出了领域完全图率和领域紧密度的概念,能够基于节点局部社区信息对节点处于社区中心的可能性进行评估,然后引入Vote机制,让节点在动态传播中自主选择标签传播的起始核心节点,避免两个核心节点距离太近,提高划分质量,最后核心节点基于领域紧密度最大化将自己的标签同步给节点群。二、在重叠社区发现阶段,首先基于领域紧密度和上一节选出的核心节点群分布特点提出节点隶属度和新的归属系数计算方法,前者评价了两个节点归属同一社区的可能性,后者基于共同邻居信息对标签选择过程进行补偿,使标签选择更合理。其次基于Tukey Method的思想提出动态过滤策略来帮助每个节点选择合适的标签和对标签进行分类,提高标签过滤质量。三、在社区边缘优化阶段,受Palla G等人对复杂网络中n-clique结构的研究和增益度思想启发,提出三角增益度的计算方法,并结合Flink计算模型提出传播式社区边缘优化算法,节点能根据自身所处位置,有次序地优化自身存储的标签,减少因更新顺序产生的不合理划分。四、使用Flink Gelly分布式图计算模型编写了前述描写的算法程序,在3台计算节点上搭建Flink集群,在其上进行四种LPA算法多个数据集中的对比实验,记录算法评估指标并绘制图表,从实验结果可以看出Master LPA算法有较好的稳定性和准确性。

关键词： Apache Flink 重叠社区发现局部社区结构标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于标签传播的大规模网络社区发现的研究

基于标签传播的大规模网络社区发现的研究

引用

作者：袁伟内蒙古大学

学位级别：硕士

随着整个社会信息化程度不断提高，蕴含的数据量急剧攀升，使得由数据关系建模的网络规模愈加庞大。在网络科学的相关领域内，社区发现是用来完成社区结构检测任务的关键分支之一，学者们设计社区发现算法挖掘网络中的社区结构，分析网... 详细信息

随着整个社会信息化程度不断提高，蕴含的数据量急剧攀升，使得由数据关系建模的网络规模愈加庞大。在网络科学的相关领域内，社区发现是用来完成社区结构检测任务的关键分支之一，学者们设计社区发现算法挖掘网络中的社区结构，分析网络的各项特征并拓展其在现实世界中的应用。标准的标签传播算法LPA(LabelPropagationAlgorithm)实现简单且速度快，是社区发现的经典算法之一。此后涌现了大量改进的标签传播算法。但这些改进算法都存在随机性强、速度慢、精度低、无法发现重叠社区结构、难以适用于大规模网络和稠密网络等问题。针对上述问题,本文提出了基于标签传播算法的两种改进算法来实现大规模网络的社区发现。本文研究工作的主要内容如下:　　(1)针对现有LPA改进算法随机性强、速度慢、精度低、无法发现重叠社区结构和难以适用于大规模网络的问题，提出一种基于节点影响和标签权重的快速标签传播算法FLPA(FastLabelPropagationAlgorithm)。首先，通过节点合并技术压缩网络中低影响力节点，大幅减小了网络规模，同时加快了算法处理速度，使算法更适用于大规模网络。其次，设计新的节点影响力计算方法，将其与α路径相似度相融合定义标签权重信息来发现重叠社区结构，提高了算法的检测精度。再次，按照网络中所有节点影响力升序序列固定了标签传播顺序，增强了算法的稳定性。最后，恢复网络并划分出完整的社区结构，减少了网络结构信息的损失。将提出的FLPA算法分别在58个合成网络数据集和10个真实网络数据集上进行了实验，并且与七种目前主流的改进标签传播算法进行了比较。实验结果表明，FLPA能快速、稳定且准确地发现大规模稀疏网络中的重叠社区结构。　　(2)针对所提出的FLPA算法和现有改进标签传播算法在稠密网络上精度不高的问题，提出一种基于多级标签扩散和选择策略的快速标签传播算法MLDSS(Multi-levelLabelDiffusionandSelectionStrategy)。首先，利用新的标签分配策略形成初始社区轮廓，初步识别稠密网络中存在的社区结构。其次，通过快速和平衡标签扩散阶段，形成较为准确的社区结构。最后，按照节点标签频率检查节点所属社区是否正确，从而更加准确地发现稠密网络中存在的社区结构。进一步地，MLDSS在维持检测精度和稳定性的同时减少了算法运行时间,更适用于大规模网络。将MLDSS算法分别在19个合成网络数据集和7个真实网络数据集上进行了实验，并且将其与六种目前主流的改进标签传播算法和FLPA算法进行了比较。实验结果表明，MLDSS可以更加快速、稳定且准确地发现大规模网络和稠密网络中的重叠社区结构。

关键词：复杂网络标签扩散标签传播算法重叠社区发现

来源：评论

学校读者我要写书评

暂无评论

基于鲸鱼算法的多目标复杂网络社团检测研究

基于鲸鱼算法的多目标复杂网络社团检测研究

引用

作者：周宏基河南大学

学位级别：硕士

复杂网络中的社团结构对于了解网络结构、发现其变化过程与规律、监控与预测变化趋势有着重要的理论意义。从复杂网络中检测出这些社团结构对于推测用户潜在意向、预测研究方向进展、舆情控制和导向、打击恐怖分子维护国家安全、减少部... 详细信息

复杂网络中的社团结构对于了解网络结构、发现其变化过程与规律、监控与预测变化趋势有着重要的理论意义。从复杂网络中检测出这些社团结构对于推测用户潜在意向、预测研究方向进展、舆情控制和导向、打击恐怖分子维护国家安全、减少部署成本等有着良好的应用前景。近年来，研究者们已经提出许多社团检测算法用于社团挖掘、社团分析和社团预测等领域，但在先验知识很少或者完全没有先验知识的情况下提高社团检测的准确率，同时降低时间复杂度，特别地，对于基于优化的进化算法框架的算法来说，是否能进一步提高种群收敛的速度，能够跳出局部最优的陷阱，一直是社团检测方法研究的重点。基于此，本文提出了两种社团检测算法，主要的研究工作如下：　　1.提出一种基于鲸鱼算法的多目标静态网络社团检测算法。传统的针对静态网络基于优化算法的社团检测算法往往采用单目标优化，或者在选取最优解时将多目标加权相加，最后转化为单目标的方式进行，但这样的方式要么面对多个约束条件时无能为力，要么没法精确掌握线性组合的参数以获得最优的解。鲸鱼算法是模拟座头鲸群狩猎行为的一种启发式算法，它有着实现原理简单、控制参数少、对于解决某些优化问题具有收敛能力快、全局搜索能力强的特点。原始的鲸鱼算法针对的是连续函数的优化，本文采用了针对社团检测问题改进的离散化鲸鱼算法算子对问题进行多目标优化。通过标签传播算法生成初始种群，并借助鲸鱼算法框架对种群进行多目标优化以得到社团划分。将该算法在人工合成网络和真实世界网络的数据集上进行实验，实验结果表明所提出的算法具有较好的性能。　　2.提出一种基于共识社团鲸鱼算法的多目标动态网络社团检测框架。随着带有时间信息的数据大量涌现，动态网络社团检测逐渐成为研究的重点。动态网络是随着时间变化而变化的，而动态网络的社团检测应能体现出社团结构随着时间的变化，但同时还要使这种变化不是很剧烈，减少结果的漂移。针对该问题，本文引入了种群内共识和种群间共识，缩小检测结果在时间变化时带来的影响。为了进一步减少初始化的开销，使用标签传播算法对网络迭代少数次以保持种群的多样性和正确性，接着使用鲸鱼算法框架对网络进行迭代，寻找最优解。在迭代过程中计算共识社团，在一定条件下将共识社团插入种群中以保持种群中含有上一时刻的知识从而使种群向最优的方向进化。将所提算法与对比算法在人工合成的和真实世界的网络数据集上进行测试，实验结果表明所提方法具有较好的性能，具有比较强的竞争优势。

关键词：社团检测鲸鱼算法标签传播算法多目标优化共识社团标签传播

来源：评论

学校读者我要写书评

暂无评论

基于节点引力的社团检测算法研究与应用

基于节点引力的社团检测算法研究与应用

引用

作者：马晨曦兰州大学

学位级别：硕士

复杂网络是由节点和节点之间的复杂关系构成的网络结构,是对现实世界中的各种复杂系统的抽象,社团结构是复杂网络的显著特性。社团检测算法可以揭示网络的拓扑结构,挖掘复杂网络中的潜在信息,可广泛应用于个性化推荐、公共安全、社会科... 详细信息

复杂网络是由节点和节点之间的复杂关系构成的网络结构,是对现实世界中的各种复杂系统的抽象,社团结构是复杂网络的显著特性。社团检测算法可以揭示网络的拓扑结构,挖掘复杂网络中的潜在信息,可广泛应用于个性化推荐、公共安全、社会科学等领域,具有重要的研究意义。本文针对常见的种子扩展算法和标签传播算法中存在的问题,提出了两种改进算法。本文的主要研究内容和成果如下:(1)针对种子扩展算法种子节点挑选欠佳和社团扩展方法不当等问题,本文提出一种基于CRITIC法和节点引力的种子扩展算法(Seed Expansion Algorithm based on CRITIC and Node Gravitation,SECNG)。该算法首先使用CRITIC法对节点的介数中心性、接近中心性、度中心性客观赋权,定义了节点综合重要性(Node Comprehensive Importance,NCI),并按照该重要性指标的递减顺序来挑选种子节点。然后提出了基于节点综合重要性的节点引力和社团引力的概念,在社团扩张阶段,按照NCI的递减顺序,将未划分社团的节点扩展至对它社团引力最大的社团。最后本文提出了基于模块度增量的社团优化方法,每次迭代时将模块度增量最大的两个社团合并,进一步提升了算法的准确度。(2)针对标签传播算法的高随机性问题,本文提出了基于节点影响力和节点引力的标签传播算法(Label Propagation Algorithm based on Node Influence and Node Gravitation,LPANING)。该算法首先基于Page Rank和度中心性定义了节点影响力(Node Influence,NI)这一指标,并按照该指标的递减顺序对节点进行排序从而确定标签初始化及标签更新的顺序。然后定义了基于节点影响力的节点引力(Node Gravitation based on Node Influence,NGNI),当节点具有多个候选标签时,选择与该节点引力最大的节点的标签。最后算法根据社团相似度将小规模社团进行合并,从而提高了算法的稳定性和准确性。相关实验表明,论文提出的SECNG算法和LPANING算法在多组人工网络和真实网络上均有良好的表现。(3)论文将上述两个算法应用于某省的科技计划项目中。根据阅读行为构建融媒体内容阅读数据中的用户复杂网络,结合社团检测算法对用户进行个性化推荐,在注重用户喜好的基础上促进主流价值观的传播。

关键词：社团检测节点引力种子扩展算法标签传播算法个性化推荐

来源：评论

学校读者我要写书评

暂无评论

高准确度网络安全意识个体评估及群体指数构建方法

引用

北京理工大学学报 2020年第9期40卷 1002-1008页

作者：李蕊潘丽敏郝靖伟张寒青罗森林吴倩北京理工大学信息与电子学院北京100081

针对网络安全意识评估方法存在评估准确度不及、客观性不足、缺少对群体的网络安全意识评估方法等问题,提出了一种高准确度的网络安全意识个体量化评估和群体指数构建方法.该方法从多个维度采集个体的网络安全意识数据,利用混合回归模... 详细信息

针对网络安全意识评估方法存在评估准确度不及、客观性不足、缺少对群体的网络安全意识评估方法等问题,提出了一种高准确度的网络安全意识个体量化评估和群体指数构建方法.该方法从多个维度采集个体的网络安全意识数据,利用混合回归模型将安全数据量化为安全得分;利用改进的标签传播算法进行聚类,通过设定监督信息而不依赖标签数据,得到个体的信息安全意识等级;利用多个个体的信息安全意识评估结果,使用基于Grubbs准则构建的指数计算公式,弱化群体中的异常点,量化群体内部共同意识,得到群体网络安全意识指数.实验结果表明,相对现有的评估方法,该方法的准确度和客观性显著提升,同时能够正确反映群体网络安全意识水平,为网络安全意识的全面提升和闭环促进提供了技术方法.

关键词：网络安全意识评估混合回归模型标签传播算法 Grubbs准则

来源：评论

学校读者我要写书评

暂无评论

基于中心性与自监督的社团检测算法

基于中心性与自监督的社团检测算法

引用

作者：张烜兰州大学

学位级别：硕士

复杂网络涉及现实世界的各个方面,可以将现实世界中的个体和相互之间的联系进行高度抽象,针对复杂网络的研究一直是计算机领域的热点。复杂网络具有明显的社团结构特性,通过划分复杂网络的社团结构可以分析复杂网络中各个部分的功能以... 详细信息

复杂网络涉及现实世界的各个方面,可以将现实世界中的个体和相互之间的联系进行高度抽象,针对复杂网络的研究一直是计算机领域的热点。复杂网络具有明显的社团结构特性,通过划分复杂网络的社团结构可以分析复杂网络中各个部分的功能以及网络整体的拓扑结构。传统社团检测算法与基于深度学习的社团检测算法是两大社团检测算法类别,两种方式都存在着提升的空间,针对现有社团检测算法中存在的问题,论文在其中两个方面进行了改进,具体的工作内容如下: 传统社团检测算法中的标签传播算法具有接近线性的执行效率但同时在结果准确率和稳定性上存在劣势。论文提出了基于核心度向量改进标签传播算法的CLPA算法。该算法首先计算网络中节点的核心度,并通过邻居节点的核心度值,构建核心度向量,每个节点的邻居节点与该节点的核心度向量计算Pearson相关系数,该系数之和与节点的度综合作为节点更新的排序。Jaccard相关系数用于解决更新时的平局决胜问题,同时考虑了节点的ID和节点的标签,以此提升算法的稳定性和有效性。基于自监督的社团检测方法通常使用自动编码器的方式,使用重构损失作为训练目标,构建节点的低维表示,通过经典聚类算法获得社团检测的结果,整个任务分成了上下游两部分,势必会造成算法的精确度不足。论文提出了基于自监督学习的AEAGC算法。通过使用KL散度衡量聚类结果的优劣,并且同时加入了邻接矩阵和特征矩阵的重构损失函数,调节三者间的占比以获得合适的目标函数。利用扩散函数的方式改进了邻接矩阵的连接性,利用低通滤波器获得了更加平滑的特征矩阵。如此改进了两矩阵使其更适合图神经网络的社团检测任务,借助DGI作为网络数据增强方式,进行特征矩阵的数据增强。为了验证上述算法的有效性,论文使用了不同类别的真实网络及不同参数的人工网络作为实验数据集,采用了多种评价指标对社团的划分结果进行评估,加入了多个经典社团检测算法进行实验结果的对比。实验结果表明CLPA算法在5000节点的人工网络与对比算法相比有明显优势,在真实网络数据集中对比其他算法在以NMI作为评价指标时具有最高15%的提升。AEAGC算法在真实网络数据集中的执行结果准确率相比最优对比算法提升最高可达20%,引入DGI作为数据增强方式后对于四项评价指标提升最高可达15%。

关键词：复杂网络社团检测标签传播算法图神经网络自监督

来源：评论

学校读者我要写书评

暂无评论

融合节点信息的LPA社区检测算法的改进研究

融合节点信息的LPA社区检测算法的改进研究

引用

作者：赵承志东北财经大学

学位级别：硕士

随着大数据时代的到来和移动商务的普及,新浪微博的注册用户爆发式增长,构成了一张巨大而复杂的虚拟社交网络,用户可以在微博平台上分日常生活和浏览热点新闻。在对这张网进行深入研究时,存在这样的现象:整个网络可以被划分成一个个小... 详细信息

随着大数据时代的到来和移动商务的普及,新浪微博的注册用户爆发式增长,构成了一张巨大而复杂的虚拟社交网络,用户可以在微博平台上分日常生活和浏览热点新闻。在对这张网进行深入研究时,存在这样的现象:整个网络可以被划分成一个个小的社区,这些社区内部的成员相似度较高,但是社区之间却存在巨大差异。因此,学者们希望研发出某种算法可以高效地检测出这些隐藏在复杂社交网络下的子社区,以便可以深入地研究网络的内部结构。随着研究的不断深入,上述想法演变成了一个热门研究问题——复杂网络中的社区检测问题。本文结合微博平台的实际情况和常规LPA标签传播算法,提出了一种基于LPA的改进算法。常规LPA算法存在以下两个明显的缺陷:第一,常规LPA算法给每个网络节点随机分配唯一的初始标签,导致整个网络标签的稳定性差,不易收敛。第二,常规LPA算法只能处理无权网络,网络中的节点和边没有任何区别,在迭代更新的过程中容易造成标签“震荡”现象。针对上述两个缺陷,本次实验中的算法做出以下改进:将文本分析技术引入网络分析领域,具体运用了 LDA主题模型和K-means聚类算法,将文档聚类结果赋值给节点的初始化标签;改进了网络标签的传播方式,将一阶节点的影响力扩大到二阶节点的影响力,并乘以相应的衰减因子0.5;同时根据节点的粉丝户数量和两个节点之间的文本余弦相似度赋权重给无权网络,将其改进为加权网络。本次实验流程大致分为三部分,首先使用Python爬虫程序和八爪鱼软件相结合的方式抓取微博平台不同主题社区下的粉丝列表和文本动态,然后利用网络分析领域中常用的R语言中igraph函数包对微博社交网络进行分析处理,最后通过构造模块度指标检验算法的改进效果和算法稳定性。本次实验结果从三方面展示了算法的改进成果:最重要的改进是模块度指标提升1 0%左右,说明改进后的算法在社区检测方面有了明显进步;另一方面,改进后的算法模块度指标不会随着网络环境的变化而发生明显波动,说明了改进后算法的稳定性;最后,相比常规LPA算法,改进后的算法所消耗的时间并没有明显增加,说明了改进后的算法依然保持着线性时间复杂度。

关键词：复杂网络分析社区检测标签传播算法文本分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：