【摘要】：隨著互聯(lián)網(wǎng)的不斷發(fā)展,大多數(shù)社會(huì)網(wǎng)絡(luò)已逐漸顯示出動(dòng)態(tài)特性,動(dòng)態(tài)社會(huì)網(wǎng)絡(luò)社團(tuán)分析對理解現(xiàn)實(shí)生活中社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)和功能具有非常重要的意義.針對動(dòng)態(tài)社會(huì)網(wǎng)絡(luò)中的社團(tuán)發(fā)現(xiàn)問題,提出一種基于隱Markov模型(hidden Markov model,HMM)的HMM_DC算法.該算法考慮到社會(huì)網(wǎng)絡(luò)的動(dòng)態(tài)特性,結(jié)合歷史信息,將社團(tuán)發(fā)現(xiàn)轉(zhuǎn)化為求解隱馬爾可夫模型中的最優(yōu)狀態(tài)序列問題,將網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)和節(jié)點(diǎn)信息分別采用狀態(tài)鏈和觀察鏈表示,在無須指定額外參數(shù)的情況下實(shí)現(xiàn)動(dòng)態(tài)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)發(fā)現(xiàn).最后,利用該算法和其他算法對VAST數(shù)據(jù)集、ENRON數(shù)據(jù)集和Facebook social network數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)仿真.仿真結(jié)果表明:該算法能夠快速、準(zhǔn)確地發(fā)現(xiàn)真實(shí)動(dòng)態(tài)網(wǎng)絡(luò)中的社團(tuán),其模塊度Q值和互信息NMI值有很大提升.
[Abstract]:With the continuous development of the Internet, most social networks have gradually shown dynamic characteristics. Community analysis of dynamic social networks is of great significance to understand the social network structure and functions in real life. To solve the community discovery problem in dynamic social networks, a HMM_DC algorithm based on hidden Markov model (hidden Markov model,HMM) is proposed. Considering the dynamic characteristics of social network and historical information, the algorithm transforms community discovery into solving the optimal state sequence problem in hidden Markov model. The community structure and node information in the network are represented by the state chain and the observation chain respectively. The community structure discovery of the dynamic network is realized without specifying additional parameters. Finally, the VAST dataset, ENRON dataset and Facebook social network dataset are simulated by using the algorithm and other algorithms. The simulation results show that the algorithm can quickly and accurately find the communities in the real dynamic network, and its module degree Q value and mutual information NMI value are greatly improved.
【作者單位】： 國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心;中華人民共和國科學(xué)技術(shù)部信息中心;
【基金】：國家“八六三”高技術(shù)研究發(fā)展計(jì)劃基金項(xiàng)目(2015AA016102)~~
【分類號(hào)】：TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 談煜;梁潤鵬;;一種基于層次化社團(tuán)結(jié)構(gòu)的網(wǎng)絡(luò)可視化方法[J];微型電腦應(yīng)用;2012年04期

2 賈宗維;崔軍;王曉芳;;復(fù)雜網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)的快速探測方法[J];科技通報(bào);2013年01期

3 高紅艷;錢郁;劉飛;;基于邊模式的社團(tuán)檢測算法[J];現(xiàn)代電子技術(shù);2013年14期

4 陳東明;夏方朝;賈路路;徐曉偉;;一種可變分辨率的社團(tuán)發(fā)現(xiàn)算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

5 潘惠勇;王鵬;張慧樂;;基于FCM的復(fù)雜網(wǎng)絡(luò)重疊社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法[J];微電子學(xué)與計(jì)算機(jī);2011年12期

相關(guān)博士學(xué)位論文 前2條

1 何嘉林;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)探測和應(yīng)用研究[D];電子科技大學(xué);2017年

2 邵斐;復(fù)雜社團(tuán)網(wǎng)絡(luò)中病毒傳播與控制研究[D];南京郵電大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳厚兵;基于社團(tuán)結(jié)構(gòu)的影響最大化算法研究[D];南京大學(xué);2016年

2 竇建國;軟件網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)分析[D];東北大學(xué);2013年

3 聶祥林;基于依賴度和相似度的社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法研究[D];陜西師范大學(xué);2016年

4 趙鑫;基于社團(tuán)結(jié)構(gòu)的主題建模[D];南京大學(xué);2017年

5 康華;復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)和網(wǎng)絡(luò)安全[D];西安電子科技大學(xué);2012年

6 王艷群;靜息態(tài)腦功能網(wǎng)絡(luò)的構(gòu)建及社團(tuán)結(jié)構(gòu)分析研究[D];太原理工大學(xué);2012年

7 靳二輝;健壯社團(tuán)發(fā)現(xiàn)算法研究[D];西安電子科技大學(xué);2011年

8 顧勝賢;電子郵件社團(tuán)核心聚類的社團(tuán)劃分算法研究[D];華東理工大學(xué);2013年

9 梁潤鵬;基于社團(tuán)檢測的大型網(wǎng)絡(luò)可視化研究[D];上海交通大學(xué);2012年

10 呂偉明;基于線性閾值模型與協(xié)同方法的社團(tuán)檢測算法研究[D];蘭州大學(xué);2013年

，

本文編號(hào)：2371514