復(fù)雜網(wǎng)絡(luò)這個(gè)概念在20世紀(jì)90年代末開(kāi)始使用,許多計(jì)算機(jī)科學(xué)家、生物學(xué)家、社會(huì)學(xué)家、物理學(xué)家和數(shù)學(xué)家開(kāi)始研究各種現(xiàn)實(shí)世界的網(wǎng)絡(luò)及其模型。直至今日,復(fù)雜網(wǎng)絡(luò)仍然是一個(gè)非常炙手可熱和具有吸引力的研究方向,其中鏈路預(yù)測(cè)和社區(qū)發(fā)現(xiàn)就是復(fù)雜網(wǎng)絡(luò)研究中兩大熱點(diǎn)。判斷兩個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)是否有連接或者同屬于一個(gè)社區(qū)的一種運(yùn)算復(fù)雜度較低的方法便是計(jì)算連接點(diǎn)的相似度,該方法比較適用于大規(guī)模的網(wǎng)絡(luò)。已經(jīng)提出的相似度的指標(biāo)有很多,但往往只考慮到節(jié)點(diǎn)自身度數(shù)和共同鄰居導(dǎo)致預(yù)測(cè)精度不夠或自身計(jì)算復(fù)雜度過(guò)大導(dǎo)致不適用于復(fù)雜網(wǎng)絡(luò)。本文基于Deepwalk和聚類(lèi)算法對(duì)相似度表示進(jìn)行研究和應(yīng)用,主要內(nèi)容如下:(1)由于傳統(tǒng)的相似度表示中,全局相似度的計(jì)算復(fù)雜度較高,局部相似度的預(yù)測(cè)精度受到限制,為了得到精度高、復(fù)雜度又低的相似度表示,本文將傳統(tǒng)相似度表示和Deepwalk得到的距離指標(biāo)相結(jié)合,同時(shí)引入集群的概念,提出了一個(gè)新的相似度表示Deep Affinity(DA)指標(biāo)。該指標(biāo)通過(guò)Deepwalk得到節(jié)點(diǎn)的坐標(biāo)和各節(jié)點(diǎn)之間的歐氏距離,再用K-means算法得到各節(jié)點(diǎn)的簇編號(hào),最后通過(guò)兩個(gè)參數(shù)α和β協(xié)調(diào)影響度得到兩個(gè)節(jié)點(diǎn)最終...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 鏈路預(yù)測(cè)研究現(xiàn)狀
        1.3.2 社區(qū)發(fā)現(xiàn)研究現(xiàn)狀
    1.4 主要研究成果
    1.5 論文組織結(jié)構(gòu)
第2章 理論基礎(chǔ)
    2.1 復(fù)雜網(wǎng)絡(luò)
        2.1.1 復(fù)雜網(wǎng)絡(luò)三大特性
        2.1.2 網(wǎng)絡(luò)圖表示
    2.2 鏈路預(yù)測(cè)
        2.2.1 問(wèn)題概述
        2.2.2 數(shù)據(jù)預(yù)處理
        2.2.3 相似度表示
        2.2.4 衡量標(biāo)準(zhǔn)
    2.3 社區(qū)發(fā)現(xiàn)
        2.3.1 問(wèn)題概述
        2.3.2 社區(qū)的定義
        2.3.3 衡量標(biāo)準(zhǔn)
    2.4 小結(jié)
第3章 復(fù)雜網(wǎng)絡(luò)的相似度表示及鏈路預(yù)測(cè)應(yīng)用算法
    3.1 問(wèn)題描述
    3.2 基于Deepwalk和聚類(lèi)算法的相似度表示
        3.2.1 Deepwalk算法
        3.2.2 K-means
        3.2.3 新的相似度表示Deep Affinity
    3.3 基于DA的鏈路預(yù)測(cè)算法
    3.4 實(shí)驗(yàn)分析
        3.4.1 數(shù)據(jù)集
        3.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        3.4.3 數(shù)據(jù)集預(yù)處理
        3.4.4 實(shí)驗(yàn)結(jié)果
    3.5 算法分析與總結(jié)
        3.5.1 時(shí)間復(fù)雜度
        3.5.2 優(yōu)化方向研究
    3.6 小結(jié)
第4章 基于相似度表示DA的社區(qū)發(fā)現(xiàn)算法
    4.1 標(biāo)簽傳播算法
        4.1.1 基本理論
        4.1.2 標(biāo)簽傳播算法的研究及應(yīng)用
    4.2 基于邊界點(diǎn)的社區(qū)發(fā)現(xiàn)算法
        4.2.1 問(wèn)題描述
        4.2.2 算法概述
        4.2.3 增益分?jǐn)?shù)計(jì)算指標(biāo)
    4.3 基于DA的社區(qū)發(fā)現(xiàn)算法
    4.4 實(shí)驗(yàn)分析
        4.4.1 數(shù)據(jù)集
        4.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.3 實(shí)驗(yàn)分析
    4.5 算法分析與總結(jié)
        4.5.1 運(yùn)行時(shí)間優(yōu)化討論
        4.5.2 算法改進(jìn)方向討論
    4.6 小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A攻讀碩士學(xué)位期間發(fā)表論文目錄
附錄 B攻讀學(xué)位期間參與的研究項(xiàng)目
致謝



本文編號(hào)：3812921