發(fā)布時間：2019-04-02 03:04

【摘要】：社區(qū)發(fā)現能夠揭示真實社會網絡的拓撲結構和動態(tài)特性.目前的社區(qū)發(fā)現算法多針對靜態(tài)社會網絡所設計,而絕大多數真實社會網絡的社區(qū)結構是動態(tài)變化的.針對動態(tài)社區(qū)發(fā)現,現有算法通�；谏鐓^(qū)結構平穩(wěn)變化的假設,無法處理演化過程中可能出現的大量社區(qū)消亡或涌現等突發(fā)事件.為解決有效并高效地發(fā)現大規(guī)模動態(tài)社會網絡的社區(qū)結構的問題,提出了一種基于鄰域跟隨關系的社區(qū)表示模型Follow-Community,模型刻畫的社區(qū)由不同角色的節(jié)點以及節(jié)點間的跟隨關系組成,通過發(fā)現節(jié)點間存在的直接或間接的跟隨關系,可將跟隨同一個節(jié)點的節(jié)點所構成的集合歸為一個社區(qū).基于該模型提出了一種具有接近線性時間復雜度的鄰域跟隨算法NFA(Neighborhood Following Algorithm),遍歷網絡節(jié)點一次即可得到靜態(tài)社會網絡的社區(qū)結構.進一步擴展得到增量鄰域跟隨算法iNFA(incremental Neighborhood Following Algorithm).通過更新網絡演化過程中相關節(jié)點的鄰域跟隨關系,iNFA可發(fā)現動態(tài)社會網絡的社區(qū)結構及社區(qū)演化.實驗結果驗證了算法在大規(guī)模動態(tài)社會網絡社區(qū)發(fā)現方面具有精度、效率以及穩(wěn)定性的優(yōu)勢.
[Abstract]:Community discovery can reveal the topology and dynamic characteristics of real social networks. Most of the current community discovery algorithms are designed for static social networks, while the community structures of most real social networks are dynamic. For dynamic community discovery, the existing algorithms are usually based on the assumption that the community structure changes steadily, and can not deal with a large number of sudden events, such as community demise or emergence, which may occur in the evolution process. In order to effectively and efficiently discover the community structure of large-scale dynamic social networks, a community representation model based on neighborhood following relationship (Follow-Community,) was proposed. The community described by the model is composed of the nodes of different roles and the following relationships between nodes. By discovering the direct or indirect following relationships between nodes, the set of nodes that follow the same node can be classified into a community. Based on this model, a neighborhood following algorithm (NFA (Neighborhood Following Algorithm),) with near linear time complexity is proposed. The community structure of the static social network can be obtained by traversing the network nodes once. Further extension of incremental neighborhood following algorithm iNFA (incremental Neighborhood Following Algorithm). INFA can discover the community structure and evolution of the dynamic social network by updating the neighborhood following relationship of the relevant nodes in the evolution process of the network. Experimental results show that the algorithm has the advantages of accuracy, efficiency and stability in community discovery of large-scale dynamic social networks.
【作者單位】： 福州大學數學與計算機科學學院;福建省網絡計算與智能信息處理重點實驗室(福州大學);
【基金】：國家自然科學基金(61300104,61300103) 福建省教育廳科技重點項目(JK2012003) 福建省科技廳產學重大項目(2014H6014) 福建省自然科學基金(2013J01230) 福建省科技創(chuàng)新平臺項目(2014H2005) 福建省科技平臺建設項目(2009J1007)資助~~
【分類號】：TP393.09

【相似文獻】

相關期刊論文 前10條

1 馮舜璽;;新書推薦:《算法分析導論》[J];計算機教育;2006年05期

2 張力,慕曉冬;計算機算法分析淺談[J];武警工程學院學報;2002年04期

3 馬安光;;飛彈問題的算法分析——2003年第10期題解[J];程序員;2003年12期

4 蘇運霖;;《算法分析導論》評介[J];計算機教育;2006年07期

5 朱力強;;培養(yǎng)學生創(chuàng)新思維與能力的算法分析案例[J];計算機與信息技術;2007年11期

6 汪菊琴;;幾種常見特殊方陣的算法分析與實現[J];無錫職業(yè)技術學院學報;2009年05期

7 李涵;;“算法分析與設計”課程教學改革和實踐[J];中國電力教育;2010年16期

8 劉寧;管濤;;淺析案例教學法在算法分析與設計課程中的應用[J];科技風;2011年07期

9 胡峰;王國胤;;“算法分析與設計”教學模式探索[J];當代教育理論與實踐;2011年12期

10 趙娟;;淺析啟發(fā)式教學法在《算法分析與設計》課程中的應用[J];福建電腦;2012年06期

相關會議論文 前10條

1 俞洋;田亞菲;;一種新的變步長LMS算法及其仿真[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 周顥;劉振華;趙保華;;構造型的D~2FA生成算法[A];中國通信學會通信軟件技術委員會2009年學術會議論文集[C];2009年

3 賴桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類算法[A];第二十五屆中國數據庫學術會議論文集（一）[C];2008年

4 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

5 王樹西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國學生計算語言學研討會論文集[C];2004年

6 王萬青;張曉輝;;改進的A~*算法的高效實現[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎論文集[C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類算法[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實現敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國控制會議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實現基于程序結構的主變元分析[A];第五屆中國測試學術會議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計的修正Rife算法及其FPGA實現[A];全國第十屆信號與信息處理、第四屆DSP應用技術聯合學術會議論文集[C];2006年

相關重要報紙文章 前1條

1 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

相關博士學位論文 前10條

1 魏哲學;樣本斷點距離問題的算法與復雜性研究[D];山東大學;2015年

2 劉春明;基于增強學習和車輛動力學的高速公路自主駕駛研究[D];國防科學技術大學;2014年

3 張敏霞;生物地理學優(yōu)化算法及其在應急交通規(guī)劃中的應用研究[D];浙江工業(yè)大學;2015年

4 李紅;流程挖掘算法研究[D];云南大學;2015年

5 盛歆漪;粒子群優(yōu)化算法及其應用研究[D];江南大學;2015年

6 黃磊;高動態(tài)環(huán)境捷聯慣導信號處理及高精度姿態(tài)速度算法研究[D];南京航空航天大學;2015年

7 劉新旺;多核學習算法研究[D];國防科學技術大學;2013年

8 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學;2006年

9 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應用研究[D];浙江大學;2011年

10 肖永豪;蜂群算法及在圖像處理中的應用研究[D];華南理工大學;2011年

相關碩士學位論文 前10條

1 黃廈;基于改進蟻群算法的柔性作業(yè)車間調度問題研究[D];昆明理工大學;2015年

2 李平;基于Hadoop的信息爬取與輿情檢測算法研究[D];昆明理工大學;2015年

3 趙官寶;基于位表的關聯規(guī)則挖掘算法研究[D];昆明理工大學;2015年

4 殷文華;移動容遲網絡中基于社會感知的多播分發(fā)算法研究[D];內蒙古大學;2015年

5 徐翔燕;人工魚群優(yōu)化算法及其應用研究[D];西南交通大學;2015年

6 李德福;基于小世界模型的啟發(fā)式尋路算法研究[D];華中師范大學;2015年

7 鄭海彬;一種面向MAPREDUCE的DATASHUFFLE的優(yōu)化方法[D];蘇州大學;2015年

8 趙曉寒;輪換步長PSO算法及SMVSC參數優(yōu)化[D];沈陽理工大學;2015年

9 安豐洋;基于無線網絡的廣播算法研究[D];曲阜師范大學;2015年

10 李智明;基于改進FastICA算法的混合語音盲分離[D];上海交通大學;2015年

，

本文編號：2452174