發(fā)布時(shí)間：2022-01-09 14:40

　　社會(huì)信息網(wǎng)絡(luò)普遍存在于現(xiàn)實(shí)世界中的許多領(lǐng)域，比如微博網(wǎng)絡(luò)、電子郵件網(wǎng)絡(luò)、科學(xué)合作網(wǎng)絡(luò)等等。在現(xiàn)實(shí)生活中，這些網(wǎng)絡(luò)通常以社區(qū)的形式組合在一起，社區(qū)結(jié)構(gòu)具體表現(xiàn)為一組頂點(diǎn)的集合，在這個(gè)頂點(diǎn)集內(nèi)部連接緊密而頂點(diǎn)集彼此之間連接比較稀疏。作為復(fù)雜社會(huì)信息網(wǎng)絡(luò)的一個(gè)顯著特征，社區(qū)結(jié)構(gòu)一方面反映了目標(biāo)網(wǎng)絡(luò)個(gè)體之間聯(lián)系的局部性；另一方面，社區(qū)結(jié)構(gòu)影響甚至決定著發(fā)生在復(fù)雜網(wǎng)絡(luò)上的動(dòng)態(tài)過(guò)程。因此，社區(qū)結(jié)構(gòu)的研究對(duì)闡明復(fù)雜信息網(wǎng)絡(luò)的組織結(jié)構(gòu)及功能具有非常重要的理論和實(shí)際意義。本文針對(duì)如何度量社區(qū)、如何發(fā)現(xiàn)社會(huì)信息網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)的問(wèn)題，研究了社會(huì)網(wǎng)絡(luò)中許多高效的靜態(tài)和動(dòng)態(tài)社區(qū)發(fā)現(xiàn)算法。主要研究成果和創(chuàng)新之處包括：（1）基于對(duì)k均值思想以及其他相關(guān)算法的研究分析，本文提出了一種針對(duì)靜態(tài)社會(huì)信息網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法（命名為KRRW）從社會(huì)網(wǎng)絡(luò)中發(fā)現(xiàn)社區(qū)結(jié)構(gòu)。KRRW采用一個(gè)簡(jiǎn)單的隨機(jī)游走模型來(lái)減少k均值模型中算法對(duì)初始中心節(jié)點(diǎn)選擇的強(qiáng)烈依賴(lài)程度。另外，文中還提出了一種改進(jìn)的社區(qū)好壞評(píng)估方式DCD，DCD是基于社區(qū)的聚集性（clustering）這一衡量方式進(jìn)行的改進(jìn)，這一度量方式綜合考慮了社區(qū)內(nèi)及社區(qū)之間的連接密... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
ACKNOWLEDGEMENTS
LIST OF TABLES
LIST OF FIGURES
CHAPTER 1 INTRODUCTION
    1.1 Research background
    1.2 Research significance
    1.3 Research status
        1.3.1 Community
        1.3.2 Community detection
    1.4 Main contributions
    1.5 Organizations of this dissertation
CHAPTER 2 REVIEW OF COMMUNITY DETECTION ALGORITHMS
    2.1 Algorithms for static social information networks
        2.1.1 Hierarchical clustering
        2.1.2 Graph partitioning
        2.1.3 Other methods
    2.2 Algorithms for dynamic social information networks
        2.2.1 Facet Net
        2.2.2 Synchronization
    2.3 Evaluation metrics
        2.3.1 Modularity
        2.3.2 Stability
    2.4 Summary
CHAPTER 3 A K-REPRESENTATIVES COMMUNITY DETECTIONALGORITHM
    3.1 Introduction
    3.2 Proposed KRRW algorithm
        3.2.1 Main ideas
        3.2.2 Proposed discriminant community density
        3.2.3 The procedure of KRRW
        3.2.4 Modified KRRW
    3.3 Experiments
        3.3.1 Data sets
        3.3.2 Experimental Results
    3.4 Summary
CHAPTER 4 INCREMENTAL COMMUNITY DETECTION INDYNAMIC SOCIAL INFORMATION NETWORKS
    4.1 Introduction
    4.2 Preliminary work
        4.2.1 Definitions
        4.2.2 Proposed definition of core vertices
    4.3 Proposed ICDMC algorithm
        4.3.1 Analysis on increments
        4.3.2 The procedure of ICDMC
        4.3.3 Time complexity analysis
    4.4 Experiments
    4.5 Summary
CONCLUSION
REFERENCES
APPENDICES


【參考文獻(xiàn)】：
期刊論文
[1]基于靜態(tài)和動(dòng)態(tài)的社會(huì)網(wǎng)絡(luò)挖掘算法[J]. 于卓爾,周春光,楊濱,王建園,才華,徐昊,王喆.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2008(05)



本文編號(hào)：3578907