检索结果-内蒙古大学图书馆

软件学报 2025年第5期 2308-2320页

作者：王笑戴芳郭文艳王军锋西安理工大学理学院

随机块模型可以拟合各种网络的生成,挖掘网络的隐含结构与潜在联系,在社团检测中具有明显的优势.广义随机块模型GSB是基于链接社团的思想发现广义社团的,但其仅适用于有向无属性网络.针对无向属性网络,对网络拓扑信息建模的同时对节点... 详细信息

随机块模型可以拟合各种网络的生成,挖掘网络的隐含结构与潜在联系,在社团检测中具有明显的优势.广义随机块模型GSB是基于链接社团的思想发现广义社团的,但其仅适用于有向无属性网络.针对无向属性网络,对网络拓扑信息建模的同时对节点属性进行建模,提出一种度修正的属性网络广义随机块模型DCGSB (degree corrected general stochastic block model).在该模型中,假设网络拓扑信息和属性信息的生成过程都服从幂函数形式的分布,并且引入节点的度来刻画网络的无标度特性,可以更好地拟合真实网络的生成.利用期望最大化算法对DCGSB模型的参数进行估计,通过硬划分处理,得到节点隶属度,进而完成社团检测.在3个含有不同结构的真实属性网络数据集上进行实验,并与10种社团检测算法进行对比,结果表明DCGSB模型不仅继承了GSB模型的优点,能发现广义社团,而且由于属性信息和节点度的引入,使其社团检测能力优于其他10种比较算法.

关键词：随机块模型节点度属性网络社团检测

来源：评论

学校读者我要写书评

暂无评论

基于平均场近似的BP算法求解随机块模型

引用

物理学报 2021年第22期70卷 339-350页

作者：马闯杨晓龙陈含爽张海峰安徽大学互联网学院合肥230039 安徽大学物理与材料科学学院合肥230601 安徽大学数学科学学院合肥230601

置信传播(BP)算法作为推断概率图模型的主流算法是求解随机块模型中联合概率分布的重要方法之一.但现有的方法要么在处理核边结构问题上存在精度不足问题,要么在理论的推导上存在近似太多,导致求解过程复杂且难以理解问题,或两个问题均... 详细信息

置信传播(BP)算法作为推断概率图模型的主流算法是求解随机块模型中联合概率分布的重要方法之一.但现有的方法要么在处理核边结构问题上存在精度不足问题,要么在理论的推导上存在近似太多,导致求解过程复杂且难以理解问题,或两个问题均存在.当然,精度不足也是由近似多造成的.导致理论近似多且推导复杂的主要原因,是随机块模型推断过程中求解联合概率分布并不是直接套用BP算法,即处理的图(网络)与概率图模型的图不统一.因此,本文利用平均场近似修正联合概率分布,使其完全匹配BP算法的迭代公式,这样使得在理论推导上简单易懂.最后通过实验验证,该方法是有效的.

关键词：随机块模型置信传播算法联合概率分布平均场近似

来源：评论

学校读者我要写书评

暂无评论

基于随机块模型的社区隐藏统一框架

引用

计算机研究与发展 2024年第7期61卷 1850-1862页

作者：刘栋刘侠贾若雪张文生河南师范大学计算机与信息工程学院河南新乡453007 教育人工智能与个性化学习河南省重点实验室(河南师范大学) 河南新乡453007 教学资源与教育质量评估大数据河南省工程实验室(河南师范大学) 河南新乡453007 中国科学院自动化研究所北京100190

社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现... 详细信息

社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现有的社区隐藏方法忽略了网络的生成机制且缺少针对不同尺度隐藏的统一框架,因此提出了一种基于随机块模型的社区隐藏(community hiding-stochastic block model,HC-SBM)算法,该算法从网络生成机制角度构建了社区隐藏的统一框架,即实现微观(个体)、介观(社区)、宏观(网络)3个尺度上的社区检测算法攻击.其基本思想是基于随机块模型刻画网络的生成机制,特别是网络社区形成和分裂的规律和模式,挖掘生成过程中的关键性链接以及链接集合,最终通过最小代价扰动策略破坏网络社区结构.通过在真实网络上的大量实验,并与4种先进的基准算法进行比较,表明了提出的HC-SBM算法在社区隐藏效果更优.

关键词：社区隐藏社区检测随机块模型生成机制社会网络分析

来源：评论

学校读者我要写书评

暂无评论

一种基于随机块模型的快速广义社区发现算法

引用

软件学报 2013年第11期24卷 2699-2709页

作者：柴变芳于剑贾彩燕王静红交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 石家庄经济学院信息工程系河北石家庄050031 河北师范大学信息技术学院河北石家庄050024

随机块模型可以生成各种不同结构(称作广义社区,包括传统社区、二分结构、层次结构等)的网络,也可以根据概率对等原则发现网络中的广义社区.但简单的随机块模型在网络生成过程建模和模型学习方面存在许多问题,导致不能很好地发现实际网... 详细信息

随机块模型可以生成各种不同结构(称作广义社区,包括传统社区、二分结构、层次结构等)的网络,也可以根据概率对等原则发现网络中的广义社区.但简单的随机块模型在网络生成过程建模和模型学习方面存在许多问题,导致不能很好地发现实际网络的结构,其扩展模型GSB(general stochastic block)基于链接社区思想发现广义社区,但时间复杂度限制其在中大型规模网络中的应用.为了在无任何先验的情形下探索不同规模网络的潜在结构,基于GSB模型设计一种快速算法FGSB,更快地发现网络的广义社区.FGSB在迭代过程中动态学习网络结构参数,将GSB模型的参数重新组织,减少不必要的参数,降低算法的存储空间;对收敛节点和边的参数进行裁剪,减少每次迭代的相关计算,节省算法的运行时间.FGSB与GSB模型求解算法有相同的结构发现能力,但FGSB耗费的存储空间和运行时间比GSB模型求解算法要低.在不同规模的人工网络和实际网络上验证得出:在近似相同的准确率下,FGSB比GSB模型求解算法快,且可发现大型网络的广义社区.

关键词：随机块模型广义社区时间复杂度复杂网络

来源：评论

学校读者我要写书评

暂无评论

基于随机块模型的多层次服务生态系统演化分析

引用

计算机学报 2022年第4期45卷 798-811页

作者：刘明义涂志莹徐晓飞王忠杰哈尔滨工业大学计算学部哈尔滨150001

随着云计算、边缘计算和移动计算等新技术的快速发展,可用服务的数量和多样性呈现出爆炸式增长.服务之间快速增长的合作、竞争关系催生了“服务生态系统”这一新现象.复杂多变的市场环境使得服务的变化频率越来越高,因此服务生态系统的... 详细信息

随着云计算、边缘计算和移动计算等新技术的快速发展,可用服务的数量和多样性呈现出爆炸式增长.服务之间快速增长的合作、竞争关系催生了“服务生态系统”这一新现象.复杂多变的市场环境使得服务的变化频率越来越高,因此服务生态系统的演化研究是当前一个重要的研究问题,发现其演化过程中蕴含的潜在演化模式以帮助服务提供者和市场监管者做出决策.为此,服务生态系统演化分析成为了软件服务工程领域的研究热点之一,许多的研究工作依托当前流行的开源服务生态系统ProgrammableWeb展开.然而,现有服务生态系统演化分析视角比较单一,分析内容局限于服务生态系统宏观的网络拓扑性质,这种分析方式极大的限制了服务生态系统演化分析的应用场景.本文首先利用带权重的度修正随机块模型对服务生态系统进行建模,基于随机块模型中的参数变化,从服务生态整体、服务社区和服务个体三个层次对服务生态系统的演化进行了全面的分析,提出了面向服务生态整体层面的演化点发现算法、面向服务社区层面的社区演化事件检测算法、面向服务个体的个体发展阶段划分算法.基于一个典型的Web服务生态系统ProgrammableWeb的真实数据集进行了实验,实验结果验证了本文方法的有效性.

关键词：服务生态系统演化分析随机块模型 Programmable Web API

来源：评论

学校读者我要写书评

暂无评论

一种高效的随机块模型学习算法

引用

软件学报 2016年第9期27卷 2248-2264页

作者：赵学华杨博陈贺昌深圳信息职业技术学院数字媒体学院广东深圳518172 吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

由于随机块模型能够有效处理不具有先验知识的网络,对其研究成为了机器学习、网络数据挖掘和社会网络分析等领域的研究热点.如何设计出具有模型选择能力的快速随机块模型学习算法,是目前随机块模型研究面临的一个主要挑战.提出一种精细... 详细信息

由于随机块模型能够有效处理不具有先验知识的网络,对其研究成为了机器学习、网络数据挖掘和社会网络分析等领域的研究热点.如何设计出具有模型选择能力的快速随机块模型学习算法,是目前随机块模型研究面临的一个主要挑战.提出一种精细随机块模型及其快速学习算法.该学习方法基于提出的模型与最小消息长度推导出一个新成本函数,利用期望最大化参数估计方法,实现了边评价模型边估计参数的并行学习策略,以此方式显著降低随机块模型学习的时间复杂性.分别采用人工网络与真实网络,从学习时间和学习精度两方面对提出的学习算法进行了验证,并与现有的代表性随机块模型学习方法进行了对比.实验结果表明:提出的算法能够在保持学习精度的情况下显著降低时间复杂性,在学习精度和时间之间取得很好的折衷;在无任何先验知识的情况下,可处理的网络规模从几百节点提高至几万节点.另外,通过网络链接预测的实验,其结果也表明了提出的模型及学习算法相比现有随机块模型和学习方法具有更好的泛化能力.

关键词：网络数据挖掘社会网络分析随机块模型模型选择链接预测

来源：评论

学校读者我要写书评

暂无评论

一种度修正的属性网络随机块模型

引用

计算机研究与发展 2020年第8期57卷 1650-1662页

作者：郑忆美贾彩燕常振海李轩涯北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 天水师范学院数学与统计学院甘肃天水741000 百度在线网络技术(北京)有限公司北京100085

社区检测是复杂网络分析中的重要任务,现有的社区检测方法多侧重于利用单纯的网络结构,而融合节点属性的方法也主要针对传统的社区结构,不能检测网络中的二部图结构、混合结构等情况.此外,网络中每个节点的度会影响网络中链接的构成,同... 详细信息

社区检测是复杂网络分析中的重要任务,现有的社区检测方法多侧重于利用单纯的网络结构,而融合节点属性的方法也主要针对传统的社区结构,不能检测网络中的二部图结构、混合结构等情况.此外,网络中每个节点的度会影响网络中链接的构成,同样会影响社区结构的分布.因此,提出一种基于随机块模型的属性网络社区检测方法DPSB_PG.不同于其他属性网络中的生成式模型,该方法中节点链接和节点属性的产生均服从泊松分布,并基于随机块模型考虑社区间相连接的概率,重点在节点链接的生成过程中融合度修正的思想,最后利用期望最大化EM算法推断模型中的参数,得到网络中节点的社区隶属度.真实网络上的实验结果显示:模型继承了随机块模型的优点,能够检测网络中的广义社区结构,且由于度修正的引入,具有很好的数据拟合能力,因此在属性网络与非属性网络社区检测性能上优于其他现有相关算法.

关键词：度修正泊松分布随机块模型广义结构属性网络

来源：评论

学校读者我要写书评

暂无评论

随机块模型的推广及其在复杂网络分析中的应用研究

随机块模型的推广及其在复杂网络分析中的应用研究

引用

作者：莫东序上海财经大学

学位级别：博士

复杂网络研究作为新兴的学科方向之一,极大地吸引了来自不同学科研究人员的广泛关注。针对复杂网络的定性和定量研究,有助于揭示复杂网络的潜在特征以及复杂系统中普遍存在的一般规律,在生物医药、社会科学、金融工程等诸多学科中具有... 详细信息

复杂网络研究作为新兴的学科方向之一,极大地吸引了来自不同学科研究人员的广泛关注。针对复杂网络的定性和定量研究,有助于揭示复杂网络的潜在特征以及复杂系统中普遍存在的一般规律,在生物医药、社会科学、金融工程等诸多学科中具有重要的学术和实践意义。复杂网络的社区结构划分是有效降低复杂系统复杂性的方式之一,它有助于人们更好地分析和认识复杂系统中个体组织特性的结构,更加深入地理解复杂系统的演化机制,是人们改进和利用复杂系统的一种有效手段。随机块模型作为最具影响力统计网络模型之一,被广泛地应用于复杂网络的社区检测研究。近年来,针对不同复杂网络的社区检测问题,学者提出了多种随机块模型,如混合随机块模型、重叠随机块模型和度修正随机块模型等。然而,在目前随机块模型的推广模型中,鲜有学者考虑稀疏、有权和特殊网络的随机块模型。对于一些复杂的网络结构,如多层网络、多目标网络和动态网络,尚缺乏有效的研究工具。鉴于现有研究工作的不足,本文在综述国内外最新研究成果的基础上,主要在多层网络、多目标网络和动态网络下探讨随机块模型的推广及其理论性质,并将其应用于解决复杂网络的社区检测问题。本文的主要贡献如下:第一,研究了随机块模型在多层网络的推广和社区检测问题,提出了权重多层随机块模型和受限权重多层随机块模型,并建立了它们与传统多层随机块模型的联系。当网络中社区数量较大时,参数更节约的受限权重随机块模型相较于权重多层随机块模型更有优势。给出了基于似然比检验的权重多层随机块模型的选择方法,通过该方法可以在实证研究中选择合适的权重随机块模型建模。利用期望最大化算法估计权重多层随机块模型的参数。在理论方面,深入研究了社区节点标签可划分的理论条件,通过Rényi离散度刻画社区内部节点连边权重的分布与社区之间节点连边权重的分布之间的离散程度,证明当社区内部节点连边权重的分布与社区之间节点连边权重的分布区分度足够大时,增加网络节点的数量能使节点标签的极大似然估计接近真实的节点标签,即当lim infN→∞N∑kIk/logN>1时,节点错误划分的概率收敛到零。不同场景下的模拟分析结果表明,权重多层随机块模型一致地优于四种比较模型(基于平均邻接矩阵的传统权重随机块模型、基于投票算法的传统权重随机块模型、基于平均邻接矩阵的谱聚类模型和基于投票算法的谱聚类模型);在社区结构差异较大的多层网络或是只包含部分有用信息的多层网络,权重多层随机块模型仍然能有效地发现网络中的社区结构。通过金融网络、计算机部门网络和共享单车网络说明权重多层随机块模型的实用性。第二,研究了随机块模型在多目标网络的推广和社区检测问题,基于广义线性模型的建模思路,建立多目标网络连边的强度矩阵与目标个体特征的联系,提出了多目标随机块模型的一般性建模框架。提出的多目标随机块模型适用于分析非权重和权重、稀疏和稠密的多目标网络,并且能刻画目标个体特征变量对网络社区结构的影响。为进一步研究目标个体特征变量对网络社区结构影响程度的不同,将多目标随机块模型分为同质多目标随机块模型和异质多目标随机块模型。在同质多目标随机块模型中,目标个体特征变量对每个社区的影响是相同的,而异质多目标随机块模型则不同。为估计多目标随机块模型的参数和确定网络中的社区数量,导出了模型的变分期望最大化算法以及基于ICL准则的社区数量选择方法。在理论方面,深入研究了传统多目标随机块模型的渐近性质,即当社区数量随着节点数量增大而增大时,增加网络节点的数量和目标的数量会使得模型的对数似然函数收敛于其期望值。在同质社区结构、异质社区结构和核心社区结构下对比了多目标随机块模型与5种竞争模型之间的差异(二项权重随机块模型,Fast Louvain算法,Newman Spectral算法、Fast Louvain一致性算法,Newman Spectral一致性算法之间的差异)。模拟结果表明,第一,提出的模型优于基于累加信息的单目标随机块模型以及基于模块度优化的模型;第二,连边权重能提供额外的信息用于社区检测;第三,通过阈值法将权重转化为非权重网络的做法仅适用于社区结构区分度较大的同质和异质社区结构的网络,不适用于核心社区结构的网络。最后,分别将传统和权重多目标随机块模型应用于ADHD患者的功能性脑网络研究,将患者的脑部感兴趣区域划分为不同的社区。在研究个体特征变量对社区结构的影响后,发现个体的年龄特征对社区结构的连接概率、强度具有显著影响。因此,提出的多目标随机块模型能够在发现多目标网络中社区结构的同时,研究个体特征变量对社区结构的影响,研究成果丰富了多目标网络的统计研究工具,特别是脑神经科学领域。第三,研究了随机块模型在动态网络的推广和社区检测问题,提出了带节点属性的动态随机块模型。该模型适用于分析非权重和权重、稀疏和稠密的动态网络。放宽节点所属的社区不随时间改变的

关键词：随机块模型变分推断 ICL准则多层网络多目标网络动态网络 Rényi离散度

来源：评论

学校读者我要写书评

暂无评论

面向复杂网络分析的随机块模型研究

面向复杂网络分析的随机块模型研究

引用

作者：刘学艳吉林大学

学位级别：博士

复杂网络是现实世界复杂系统的抽象表现形式,具有广泛的研究价值和应用前景。例如,挖掘复杂网络隐含结构模式对于发现复杂系统中隐含的功能模块、理解各模块之间潜在的联系以及预测复杂系统的动态演化等具有重要的意义。随机块模型(Stoc... 详细信息

复杂网络是现实世界复杂系统的抽象表现形式,具有广泛的研究价值和应用前景。例如,挖掘复杂网络隐含结构模式对于发现复杂系统中隐含的功能模块、理解各模块之间潜在的联系以及预测复杂系统的动态演化等具有重要的意义。随机块模型(Stochastic block model,SBM)在复杂网络研究方面优点众多,具有可解释性、表达能力、泛化能力及灵活性等,已被用于各种网络分析任务,如社区发现、链接预测、网络表示学习等。然而,现实世界网络具有链接稀疏、规模庞大、结构复杂等特点,使得SBM在复杂网络研究中仍存在以下问题。(1)符号网络是常见的复杂网络类型之一。大多数符号网络的SBM学习算法是非监督的,当网络中存在噪声或网络较为稀疏时,这些方法在隐含结构发现任务上表现不佳。因此,能否提出一个基于半监督学习的SBM模型,使其能够提升挖掘噪声和稀疏符号网络中社区和多分结构的精度?(2)在实际应用中,需尽可能高效地找到最优的SBM模型,从而拟合现实世界复杂网络。然而,对于给定的网络,当网络中隐含结构数目未知时,学习最优的SBM仍是一个NP难问题。因此,能否提出一个SBM的快速学习方法,使其既具有模型选择能力,又在网络分析任务中保持较好的性能?(3)属性网络表示学习是网络科学研究热点之一。然而,现有属性网络表示学习方法主要考虑网络局部信息而忽略了全局信息,在异配网络上表现不佳。因此,能否将SBM应用于属性网络表示学习任务,利用其表达能力,同时处理同配网络和异配网络?基于以上问题,本文的研究工作主要围绕SBM的模型扩展、快速学习以及模型应用三个方面展开,具体的贡献如下:(1)提出新颖的半监督符号SBM模型及基于变分贝叶斯推理的学习算法,挖掘噪声和稀疏符号网络中隐含结构。具体地,引入描述节点所属块与节点标签关系的参数,并利用部分标签提高模型发现网络隐含块结构的性能。本模型采用两个向量分别表示块内和块间节点之间具有不同类型链接的概率,从而刻画网络中隐含的结构类型。基于变分贝叶斯理论,本文提出了高效的半监督学习算法,从而估计模型参数和隐变量。实验结果表明,本文模型优于其他对比算法,且该优势在噪声和稀疏网络上更明显。(2)提出基于泊松分布的重定义SBM及基于期望最大化(EM)的blockwise算法,有效处理大规模网络。与经典SBM模型相比,本模型假设网络链接生成过程服从泊松分布,使算法时间复杂度与网络边数相关,而非节点数平方。其次,该模型重定义边的生成方式:边的生成取决于块与节点间链接概率,而非块与块之间链接概率。该方法解决了隐变量后验元素之间的依赖问题,使得该模型可用EM算法高效地更新隐变量后验分布。在学习过程中,每次迭代时,评价每个块的“质量”并删除不符合条件的块,并行地估计参数和选择模型。实验结果表明,本文模型及其算法在精确性和可扩展性方面同时优于现有算法。(3)提出面向属性网络表示学习的生成模型,利用随机块模型的表达能力,解决同配网络和异配网络表示学习问题。具体地,网络节点分配到各个块中,其中相同块内节点具有类似的链接模式,这些模式可定义具有社区的同配网络或具有其他结构的异配网络。为保留属性信息,假设每个节点具有一个与块相关的隐含表示,同时节点的表示和属性之间具有可用神经网络刻画的非线性关系。实验结果表明,在网络分类和聚类任务中,本文提出的算法优于属性网络表示学习对比算法,且在异配网络上优势更明显。

关键词：复杂网络随机块模型半监督学习大规模网络网络表示学习

来源：评论

学校读者我要写书评

暂无评论

基于混合隶属度随机块模型社会网络结构分析

引用

太原理工大学学报 2015年第5期46卷 561-565,570页

作者：师锋洋王莉黄博太原理工大学计算机科学与技术学院太原030024

由于大规模社会网络中存在着多种结构,且这些结构对于大规模社会网络的研究至关重要,但现有的结构发现方法大多只能够发现单一的结构或事先确定的结构,不能较为全面的反应大规模社会网络的特征。为解决上述社会网络中多结构发现的问题,... 详细信息

由于大规模社会网络中存在着多种结构,且这些结构对于大规模社会网络的研究至关重要,但现有的结构发现方法大多只能够发现单一的结构或事先确定的结构,不能较为全面的反应大规模社会网络的特征。为解决上述社会网络中多结构发现的问题,引入了混合隶属度随机块模型MMSBM(Mixed Membership Stochastic Block Model)。它不仅能够生成不同结构的网络,同时还可以根据随机等价原则发现网络中的其他结构。通过在两个不同规模的微博数据集上进行结构发现实验,结果表明MMSBM能够同时发现社会网络中的多种结构,与实际观测结构基本吻合,但其计算复杂度较高,在实际应用中仍难以推广。

关键词：随机块模型社会网络混合隶属度随机块模型结构分析社区聚团

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：