检索结果-内蒙古大学图书馆

作者：房新振哈尔滨工程大学

学位级别：硕士

随着互联网技术的快速发展以及移动智能终端的广泛普及,以典型社交应用(如微博、微信、Facebook等)构成的社交网络逐渐成为人们交流、沟通和情感表达的重要媒介和主要手段。社交网络正在不断地改变着人类的行为模式和社会形态,影响着人... 详细信息

随着互联网技术的快速发展以及移动智能终端的广泛普及,以典型社交应用(如微博、微信、Facebook等)构成的社交网络逐渐成为人们交流、沟通和情感表达的重要媒介和主要手段。社交网络正在不断地改变着人类的行为模式和社会形态,影响着人们的生活和社会、经济的发展。虚拟社区识别以社交网络结构特性分析为主要研究目标,是社会网络特性和功能研究的基础。已成为当前学术界的研究热点。对它的研究有助于人们认知社会和解释社会现象,揭示社会网络内在的结构功能,具有重要的理论研究价值和广阔的应用前景。本文针对在当前互联网环境中数据量急剧增大的背景下,传统重叠社区识别算法不能很好地适用重叠社区识别场景,且社区识别质量差、稳定性弱的问题,提出了一种基于节点隶属度的标签环形传播重叠社区识别算法。该算法首先充分利用社交网络中的环状结构进行标签传播来发现网络中的社区结构,以节点的拓扑势度量节点影响力,在算法的节点选择阶段依据节点影响力环状选择节点,有效消除了算法的随机性,并且根据节点拓扑势与节点间的局部相似性定义了节点隶属度,通过节点隶属度的概念进行标签截断策略,避免了人为设置重叠度的问题。最后,在真实数据集和人工数据集进行相关实验。实验结果表明本文提出的算法具有较高的有效性和稳定性,在不需要人工设置参数的情况下也能够有效提高社区识别结果的稳定性和质量。

关键词：重叠社区社区识别环形传播拓扑势节点隶属度

来源：评论

学校读者我要写书评

暂无评论

面向复杂属性网络的重叠社区发现研究

面向复杂属性网络的重叠社区发现研究

引用

作者：裴希亚山西大学

学位级别：硕士

现实世界中许多系统都可以抽象成复杂网络,复杂网络的一个重要特性是社区结构,社区结构表示具有共同特性的个体的集合,在各种复杂网络中广泛存在,如社交网络中有共同兴趣的用户往往形成同一社区。准确高效的挖掘出网络中的社区结构,可... 详细信息

现实世界中许多系统都可以抽象成复杂网络,复杂网络的一个重要特性是社区结构,社区结构表示具有共同特性的个体的集合,在各种复杂网络中广泛存在,如社交网络中有共同兴趣的用户往往形成同一社区。准确高效的挖掘出网络中的社区结构,可以帮助我们更好地理解网络的拓扑结构,更全面的认识复杂系统的内部规律。但在社区挖掘过程中存在的难以准确选取社区中心、网络节点包含有大量属性信息以及社区之间呈现出重叠特性的问题,导致社区发现的质量不佳。因此,如何设计高效的自动确定社区中心的搜索算法以及融合网络拓扑结构信息和节点属性信息来生成社区划分决策是社区发现研究中需要解决的关键问题。针对这些问题,本文围绕以下内容开展研究:（1）针对现实世界的网络节点中包含有大量属性信息的情况,提出了网络社区本质特征的描述和度量方法。融合网络的拓扑结构和节点属性,定义了节点的密集度和间隔度,分别用于描述社区内部连接紧密和外部连接松散的特点。在社区发现过程中,考虑了拓扑结构和节点属性对社区形成的共同作用关系,可以更准确的表达出网络社区的本质特征。（2）针对社区发现过程中难以准确选取社区中心的问题,提出了自动确定社区中心的快速搜索算法。首先根据社区中心所具有的“有较高的局部密度,且距离密度更高的社区中心较远”的特点将潜在社区中心搜索出来,以便在后续筛选中不漏掉任何一个可能的社区中心,然后再根据距离比较法筛选出社区中心。（3）针对社区之间呈现出重叠特性的问题,设计了非中心节点关于各社区隶属度的迭代计算方法,以实现重叠社区划分。（4）与几个经典的社区发现算法在真实网络上进行实验比较和分析,结果表明本文算法相较于LINK、COPRA和DPSCD等算法,在扩展模块度EQ、精确率、召回率和F1-measure等方面表现良好,提高了社区划分的精度,保证了算法的稳定性。

关键词：属性网络重叠社区发现密度峰值聚类自动确定社区中心节点隶属度

来源：评论

学校读者我要写书评

暂无评论

面向属性网络的重叠社区发现算法

引用

计算机应用 2019年第11期39卷 3151-3157页

作者：杜航原裴希亚王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

针对现实世界的网络节点中包含大量属性信息并且社区之间呈现出重叠特性的问题,提出了一种面向属性网络的重叠社区发现算法。融合网络的拓扑结构和节点属性定义了节点的密集度和间隔度,分别用于描述社区内部连接紧密和外部连接松散的特... 详细信息

针对现实世界的网络节点中包含大量属性信息并且社区之间呈现出重叠特性的问题,提出了一种面向属性网络的重叠社区发现算法。融合网络的拓扑结构和节点属性定义了节点的密集度和间隔度,分别用于描述社区内部连接紧密和外部连接松散的特点。基于密度峰值聚类的思想搜索局部密度中心作为社区中心,在此基础上给出了非中心节点关于各个社区的隶属度的迭代计算方法,实现了重叠社区的划分。在真实数据集上进行了仿真实验,实验结果表明所提算法相对于LINK、COPRA和DPSCD能获得更好的社区划分结果。

关键词：属性网络重叠社区发现密度峰值聚类社区中心节点隶属度

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：