检索结果-内蒙古大学图书馆

作者：李文全山东大学

学位级别：硕士

社区结构是复杂网络中最重要的属性之一。社区发现在很多应用场景中起着重要的作用,例如聚类分析、推荐系统和复杂系统行为的理解。研究者已经提出了许多算法来发现网络的社区结构,包括信息论方法、动态标签传播和模块化优化方法。然而... 详细信息

社区结构是复杂网络中最重要的属性之一。社区发现在很多应用场景中起着重要的作用,例如聚类分析、推荐系统和复杂系统行为的理解。研究者已经提出了许多算法来发现网络的社区结构,包括信息论方法、动态标签传播和模块化优化方法。然而,发现社区是一项具有挑战性的任务,没有一种算法能够在效率和效果方面为所有网络产生最佳结果。因此,尽管有许多优雅的解决方案,社区发现仍然是一个活跃的研究领域。本文针对该问题进行了研究,主要目的和贡献如下:社区发现问题可以被转化为模块度最大化问题,它是一个NP完全问题。为了最大化复杂网络的模块度,我们提出了一种基于模块度贡献的迭代贪心算法,该算法以迭代过程为基础,迭代过程将解构阶段和重构阶段相结合。在解构阶段,该算法破坏具有较低模块度贡献的一定百分比节点的社区结构。在重构阶段,被打乱的社区结构通过著名的Louvain方法重建。重构阶段完成后,局部搜索过程被用来提高算法的质量。与文献中其它几种经典的启发式方法和元启发式方法相比,无论是在计算机生成网络还是真实世界网络上,我们的算法都是非常有效的。标签传播算法(Label Propagation Algorithm,LPA)是一种简单快速的社区发现算法,但由于其随机性而不够准确。近年来已经出现一些高级版本的LPA,但是它们的准确性仍需要提高。在本文中,我们提出了一个两阶段的改进版LPA算法。第一阶段根据局部结构信息计算每个节点的最近节点,并获得初始社区结构,用于分配初始标签。在第二阶段,从第一阶段得到的节点初始标签将作为种子注入到一个改进的LPA中,该改进的LPA利用节点的影响力来增加其准确性。与最近文献中有竞争力的算法相比,在真实世界网络和人工合成网络上,我们提出的算法可以有效克服LPA算法的缺点,显著提高检测结果的质量。

关键词：复杂网络社区发现模块度优化算法迭代贪心算法标签传播算法

来源：评论

学校读者我要写书评

暂无评论

内容相似度微博社区发现方法研究

引用

太原理工大学学报 2019年第3期50卷 374-379页

作者：王高飞张月琴陈健太原理工大学信息与计算机学院太原030024

针对现有微博社区发现的准确性与效用性问题,提出了一种高效的基于用户内容相似度的微博社区发现算法。首先对微博用户兴趣模型进行分析,进而挖掘微博意见领袖,通过AP算法对意见领袖进行兴趣聚类,以聚类结果为社区中心结合模块度优化算... 详细信息

针对现有微博社区发现的准确性与效用性问题,提出了一种高效的基于用户内容相似度的微博社区发现算法。首先对微博用户兴趣模型进行分析,进而挖掘微博意见领袖,通过AP算法对意见领袖进行兴趣聚类,以聚类结果为社区中心结合模块度优化算法完成微博社区发现。经实验验证了该方法可以更好地发现微博社区结构。

关键词：微博社区发现意见领袖 AP算法模块度优化算法

来源：评论

学校读者我要写书评

暂无评论

基于异构网络社区划分的医疗滥用检测研究

基于异构网络社区划分的医疗滥用检测研究

引用

作者：栾婷婷山东大学

学位级别：硕士

随着医疗信息化的推进,医疗保险欺诈案件逐年增加。在医保欺诈案件中,实施欺诈行为的人员复杂,欺诈手段繁多,严重危害到了医保基金的安全。我国医疗保险事业起步晚,参保人数众多且医保基金规模巨大,医保欺诈的问题更加突出,加大反欺诈力... 详细信息

随着医疗信息化的推进,医疗保险欺诈案件逐年增加。在医保欺诈案件中,实施欺诈行为的人员复杂,欺诈手段繁多,严重危害到了医保基金的安全。我国医疗保险事业起步晚,参保人数众多且医保基金规模巨大,医保欺诈的问题更加突出,加大反欺诈力度,确保基金安全势在必行。医保欺诈问题一直存在,但现存的方法并没有很好地解决这个问题。基于规则的检测方法需要既精通欺诈检测研究又熟悉医保业务的专家来设计规则,同时欺诈者也会尽可能的去规避检测规则。异常检测是目前进行欺诈者检测的主要技术之一,该类方法多集中于寻找全局异常值,无法有效的检测局部异常值。在医疗欺诈者检测问题中,很难根据医生和病人的统计学特征对他们进行有效的聚类。因此,现存的检测方法并没有很好地解决欺诈检测的问题。医保数据错综复杂且分布不平衡,多数医疗记录对医生和患者的个人信息记录并不完备,传统的方法很难根据医生或病人的统计学特征对其进行有效的聚类。网络社区划分方法作为一种聚类方法,用来发现网络中的社区结构,将问题空间的每一个个体转化为网络上的节点,聚类过程中更加关注节点之间的关系而非节点上的属性,这个方法非常适合用来解决医保欺诈检测问题。目前该方法多应用于同构信息网络。由于医保领域存在着多种类型的实体,考虑使用异构网络社区划分方法来解决医保欺诈检测问题。本文对医保领域中的异常主体检测做出了一些有效的研究,具体工作和贡献概括如下:1.提出将医保数据建模为异构加权网络。医保数据中包含医生、病人、药品等多种不同类型的主体,将医生、病人和药品抽象成异构网络中的节点,根据医生、病人和药品之间的关系,为其分配权重。将数据放到异构网络中可以更加清晰的找到医疗数据中各主体之间的关系,有利于后续欺诈检测问题的解决。2.提出基于标签传播算法的欺诈病人检测方法FDBLPA。将医保数据构建成病人-药品异构加权网络;使用改进的重叠社区标签传播算法NSLPA对网络进行划分;最终,在划分好的社区内检测异常病人。该方法根据疾病编码对节点进行初始化操作,降低了原始方法的随机性。同时,为其设计了符合数据特征的标签传播规则,提高了异常病人检测的准确性。3.提出基于模块度优化算法的欺诈医生检测方法FDMOA。针对普通住院数据,将数据中的医生和药品建模为异构加权网络;使用模块度优化算法FNO将医生和药品划分到相应的社区。最后,通过医生社区和药品社区的对比,发现异常的医生。根据医生科室和疾病编码对医生和药品节点进行社区的初始化划分,提高了算法的效率。同时,在进行节点合并的过程中,将不同的边权重考虑其中,提高了算法的准确性。

关键词：欺诈检测异构网络社区划分标签传播算法模块度优化算法

来源：评论

学校读者我要写书评

暂无评论

复杂网络中的社区发现算法研究

复杂网络中的社区发现算法研究

引用

作者：孔汉章山东大学

学位级别：硕士

复杂网络分析中的社区发现涉及到生物学、物理学、社会网络等多个学科,至今仍是一个非常具有挑战性的问题。通俗地讲,复杂网络中的一个社区是紧密相连的子网络,并且该社区同外部网络之间连接相对稀疏。社区结构广泛存在于社交网络、生... 详细信息

复杂网络分析中的社区发现涉及到生物学、物理学、社会网络等多个学科,至今仍是一个非常具有挑战性的问题。通俗地讲,复杂网络中的一个社区是紧密相连的子网络,并且该社区同外部网络之间连接相对稀疏。社区结构广泛存在于社交网络、生物网络、交通网络和无线传感器网络中,并能反映出复杂网络的动态特征与功能。挖掘复杂网络中的社区结构已广泛应用于恐怖组织识别、蛋白质功能预测、个性化推荐和信息检索等领域。近年来涌现出了许多方法用于解决此问题,如模块度优化算法、标签传播算法(Label Propagation Algorithm,LPA)等。然而,现今鲜有算法能够在效果和效率方面均能取得较为满意的结果。本文针对该问题进行了研究,主要目的和贡献如下:因为基于模块度最大化思想的社区发现问题是NP-完全问题,研究者们总是希望能寻找到新的元启发式算法在合理的时间内挖掘社区结构。本文提出一个迭代旋转贪心(Iterated Carousel Greedy,ICG)的混合元启发式算法用于求解模块度最大化的社区发现问题。ICG算法通过在一个贪心构造启发式算法之后迭代执行解构、旋转和重构操作以生成一系列的解。在每次迭代中,算法使用一个局部搜索过程寻找更好的解。同传统的迭代贪心(Iterated Greedy,IG)算法相比,新提出的算法中所采用的旋转贪心程序能够将搜索过程引导到更好的解空间,模拟退火类型的接受标准能够避免搜索过程陷入停滞。在人工网络和真实世界网络上的实验结果表明新提出的ICG同文献中现有的元启发式算法相比性能更加出色。标签传播算法是一种高效且易于实现的检测复杂网络中社区结构的方法。然而,LPA中的随机更新顺序和随机平衡打破(random tie-breaking)原则使得该方法具有不稳定,准确性差的缺点,甚至有时会导致怪物社区的形成。本文提出了一个改进的标签传播算法LPA-INTIM用于解决社区发现问题。该算法首先利用局部拓扑信息衡量相连节点之间的亲密性并以此构建亲密度矩阵。之后根据亲密度矩阵评估节点重要性以确保节点按照某种特定的顺序进行更新。最后在标签传播过程中,通过计算标签影响力更新节点标签。此外,本文引入了一个紧密度函数用于提高算法的稳定性。同文献中代表性的基于标签传播思想的算法相比,在人工和真实世界网络中的实验结果验证了新提出的LPA-INTIM在效果和效率均取得了明显的提升。

关键词：复杂网络社区发现模块度优化算法迭代贪心算法标签传播算法

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：