本文選題：社會(huì)網(wǎng)絡(luò)　切入點(diǎn)：相似性　出處：《計(jì)算機(jī)科學(xué)與探索》2017年10期

【摘要】：集對(duì)分析作為處理系統(tǒng)確定性與不確定性相互作用的數(shù)學(xué)理論,可用來處理存在不確定關(guān)系的復(fù)雜社會(huì)網(wǎng)絡(luò)。首先,應(yīng)用集對(duì)分析理論,將社會(huì)網(wǎng)絡(luò)作為一個(gè)同異反系統(tǒng)(確定不確定系統(tǒng)),采用集對(duì)聯(lián)系度刻畫頂點(diǎn)間的同異反關(guān)系,綜合考慮頂點(diǎn)的局部特征和拓?fù)浣Y(jié)構(gòu)對(duì)頂點(diǎn)相似性的貢獻(xiàn),提出加權(quán)聚集系數(shù)聯(lián)系度的頂點(diǎn)間相似性度量方法。該度量方法可以更好地刻畫網(wǎng)絡(luò)結(jié)構(gòu)特征,克服傳統(tǒng)局部相似性度量指標(biāo)對(duì)某些頂點(diǎn)間相似性值的低估,降低全局相似性度量指標(biāo)的計(jì)算復(fù)雜度。其次,為了將該相似性度量指標(biāo)應(yīng)用于社區(qū)發(fā)現(xiàn),與凝聚型層次聚類算法相結(jié)合,使其適用于具有相似性度量對(duì)象的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題。最后,在社會(huì)網(wǎng)絡(luò)上進(jìn)行社區(qū)挖掘?qū)嶒?yàn),并與經(jīng)典社區(qū)發(fā)現(xiàn)算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明了該相似性度量指標(biāo)的正確性及有效性。
[Abstract]:Set pair analysis, as a mathematical theory dealing with the interaction between certainty and uncertainty, can be used to deal with complex social networks with uncertain relationships.First of all, using set pair analysis theory, the social network is regarded as an identical, different and inverse system. Set pair connection degree is used to describe the similarity, difference and inverse relationship between vertices.Considering the local characteristics of vertices and the contribution of topological structure to vertex similarity, a method of measuring the similarity between vertices is proposed.The proposed method can better characterize the network structure, overcome the underestimation of some vertex similarity values by traditional local similarity metrics, and reduce the computational complexity of global similarity metrics.Secondly, in order to apply the similarity metric to community discovery, it is combined with the condensed hierarchical clustering algorithm to make it suitable for the complex network community discovery problem with similarity measurement object.Finally, community mining experiments are carried out on social networks and compared with the classical community discovery algorithms. The experimental results show that the similarity metrics are correct and effective.
【作者單位】： 燕山大學(xué)信息科學(xué)與工程學(xué)院;華北理工大學(xué)遷安學(xué)院;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室;華北理工大學(xué)理學(xué)院;
【基金】：國家自然科學(xué)基金No.61472340 國家青年科學(xué)基金項(xiàng)目No.61602401 河北省自然科學(xué)基金Nos.F2017209070,F2016209344~~
【分類號(hào)】：O157.5;TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 章四兵,周美立;系統(tǒng)相似性度量中的非平權(quán)距離系數(shù)法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年08期

2 賀玲;吳玲達(dá);蔡益朝;;高維空間中數(shù)據(jù)的相似性度量[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2006年09期

3 李海林;郭崇慧;;基于多維形態(tài)特征表示的時(shí)間序列相似性度量[J];系統(tǒng)工程理論與實(shí)踐;2013年04期

4 李仲來;系統(tǒng)聚類分析中應(yīng)注意的兩類問題[J];數(shù)理統(tǒng)計(jì)與管理;1993年06期

5 王虎;李冰;;基于高維云模型的多屬性客戶群體相似性度量[J];工業(yè)工程與管理;2012年06期

6 成罡,金國藩,鄔敏賢,何慶生,劉海松,嚴(yán)瑛白;基于相似性度量的灰度圖像光學(xué)匹配運(yùn)算[J];紅外與毫米波學(xué)報(bào);1998年05期

7 朱世松;汪云甲;魏連江;;基于時(shí)間序列相似性度量的瓦斯報(bào)警信號(hào)辨識(shí)[J];中國礦業(yè)大學(xué)學(xué)報(bào);2012年03期

相關(guān)碩士學(xué)位論文 前5條

1 周漢海;基于少量選點(diǎn)的社團(tuán)檢測(cè)算法研究[D];蘭州大學(xué);2015年

2 陳龍飛;心電時(shí)間序列的表示和相似性度量方法的研究[D];哈爾濱工業(yè)大學(xué);2016年

3 張嘉慧;一種面向動(dòng)態(tài)網(wǎng)絡(luò)聚類的節(jié)點(diǎn)相似性度量方法[D];西安電子科技大學(xué);2015年

4 孟曉峰;基于異質(zhì)信息網(wǎng)絡(luò)的相似性度量研究[D];北京郵電大學(xué);2015年

5 鄭旭;時(shí)間序列特征表示及相似性度量方法研究[D];長(zhǎng)春工業(yè)大學(xué);2015年

，

本文編號(hào)：1718583