隨著人際關(guān)系的復(fù)雜化,社交網(wǎng)絡(luò)的規(guī)模變得更加龐大,也變得更加復(fù)雜,對復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)的檢測工作也變得越來越重要。隨著深度學習技術(shù)的應(yīng)用,基于圖神經(jīng)網(wǎng)絡(luò)的社區(qū)檢測研究也越來越受到人們的關(guān)注。一方面,圖結(jié)構(gòu)語料庫質(zhì)量低,使得節(jié)點向量表示的質(zhì)量降低,則基于該節(jié)點表示的靜態(tài)社區(qū)檢測結(jié)果的準確度降低;另一方面,靜態(tài)社區(qū)檢測結(jié)果隨著時間的推移是不斷變化的,故將該靜態(tài)社區(qū)檢測結(jié)果作為動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)演化過程的初始時刻網(wǎng)絡(luò)快照,在計算每個時刻社區(qū)檢測結(jié)果時,原來的基于節(jié)點表示方式的社區(qū)檢測方法不再適用于動態(tài)社區(qū)檢測,除了原來的節(jié)點表示方式,演化過程中還存在其他因素會影響最終的動態(tài)社區(qū)結(jié)果,所以我們需要解決的問題是,在靜態(tài)社區(qū)檢測時找到一種有效的節(jié)點表示方式的社區(qū)檢測算法,在動態(tài)社區(qū)檢測時,繼續(xù)運用新的節(jié)點表示方式建立新的模型來提高動態(tài)社區(qū)檢測結(jié)果的準確度,使其能夠還原真實網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。針對上述問題,本文提出了一種基于改進的節(jié)點表示的社區(qū)檢測算法和一種基于模塊度的增量式動態(tài)社區(qū)檢測模型,以及相關(guān)的計算方法和理論原理。論文的主要工作包括:1)提出一種基于節(jié)點影響力的社區(qū)檢測算法。并將基于節(jié)點影響力的社區(qū)...

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 相關(guān)工作研究現(xiàn)狀
        1.2.1 圖神經(jīng)網(wǎng)絡(luò)模型研究現(xiàn)狀
        1.2.2 靜態(tài)社區(qū)檢測算法研究現(xiàn)狀
        1.2.3 動態(tài)社區(qū)檢測算法研究現(xiàn)狀
    1.3 研究主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)和理論
    2.1 常見的節(jié)點表示技術(shù)介紹
        2.1.1 Word2vec模型
        2.1.2 DeepWalk算法
    2.2 本文研究思路及框架
    2.3 相關(guān)定義
        2.3.1 復(fù)雜網(wǎng)絡(luò)圖結(jié)構(gòu)建模
        2.3.2 動態(tài)社區(qū)的定義
    2.4 本章小結(jié)
第3章 基于節(jié)點影響力的社區(qū)檢測算法
    3.1 基于節(jié)點影響力的社區(qū)檢測算法概述
    3.2 隨機游走生成語料庫
        3.2.1 節(jié)點的影響力屬性值的歸一化處理
        3.2.2 定義搜索策略獲得隨機游走序列
    3.3 融合影響力信息的節(jié)點表示學習
    3.4 靜態(tài)社區(qū)檢測
    3.5 本章小結(jié)
第4章 基于模塊度的增量式動態(tài)社區(qū)檢測模型
    4.1 基于模塊度的增量式動態(tài)社區(qū)檢測模型概述
    4.2 根據(jù)模塊度增量定位變化的社區(qū)結(jié)構(gòu)
    4.3 新增節(jié)點的動態(tài)社區(qū)檢測
        4.3.1 社區(qū)數(shù)量不變
        4.3.2 社區(qū)數(shù)量改變
    4.4 移除舊節(jié)點的動態(tài)社區(qū)檢測
        4.4.1 社區(qū)數(shù)量不變
        4.4.2 社區(qū)數(shù)量改變
    4.5 基于模塊度的增量式動態(tài)演化社區(qū)檢測算法
    4.6 本章小結(jié)
第5章 實驗
    5.1 實驗環(huán)境簡介
    5.2 實驗數(shù)據(jù)集介紹
    5.3 基于節(jié)點影響力的社區(qū)檢測算法仿真實驗
        5.3.1 基準算法
        5.3.2 評價指標
        5.3.3 仿真實驗過程
        5.3.4 實驗結(jié)果及其分析
        5.3.5 參數(shù)敏感性分析
        5.3.6 T-SNE二維可視化結(jié)果分析
    5.4 基于模塊度的增量式動態(tài)社區(qū)檢測模型仿真實驗
        5.4.1 數(shù)據(jù)集介紹
        5.4.2 基準算法和評價標準
        5.4.3 實驗結(jié)果及分析
        5.4.4 參數(shù)對模型的影響
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀學位期間取得的研究成果
致謝



本文編號：3803253