本文選題：社區(qū)發(fā)現(xiàn) + 邊界��； 參考：《解放軍信息工程大學(xué)》2015年博士論文

【摘要】：隨著Internet和通信技術(shù)的迅猛發(fā)展,Web網(wǎng)絡(luò)開始逐步滲透到人類生活和生產(chǎn)的各個方面,在人們的信息交流、工作生活等方面都發(fā)揮著極為重要的作用。數(shù)以億計的用戶在各種Web網(wǎng)絡(luò)平臺上不斷地進行信息交互,使得網(wǎng)絡(luò)數(shù)據(jù)日益龐大和復(fù)雜化,從而給Web網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)研究提出了新的問題和挑戰(zhàn)：(1)面對大規(guī)模的網(wǎng)絡(luò)數(shù)據(jù),如何利用有限的局部信息實現(xiàn)快速準(zhǔn)確的局部社區(qū)發(fā)現(xiàn)?(2)在Web網(wǎng)絡(luò)節(jié)點多�；�,網(wǎng)絡(luò)關(guān)系多維化的背景下,如何基于異質(zhì)網(wǎng)絡(luò)發(fā)展出準(zhǔn)確有效的社區(qū)發(fā)現(xiàn)方法?面對Web網(wǎng)絡(luò)的局部性與異質(zhì)性,傳統(tǒng)的社區(qū)發(fā)現(xiàn)方法往往難以適用,無法有效地揭示局部或異質(zhì)網(wǎng)絡(luò)環(huán)境下的社區(qū)結(jié)構(gòu)特征。圍繞著Web網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的這兩個關(guān)鍵問題,論文基于現(xiàn)有問題研究適用于局部網(wǎng)絡(luò)和異質(zhì)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)方法。主要的研究工作如下：1.針對局部社區(qū)邊界節(jié)點難以確定的問題,提出了一種基于邊界識別的局部社區(qū)發(fā)現(xiàn)算法。該方法一方面通過全面分析局部社區(qū)鄰接子圖范圍內(nèi)連接相似性,從而獲取給定節(jié)點所在社區(qū)的局部結(jié)構(gòu)特征并進行節(jié)點聚類；同時在社區(qū)聚類過程中,基于鄰接節(jié)點內(nèi)外的連接狀況反復(fù)識別其邊界節(jié)點,從而控制社區(qū)聚類的規(guī)模和范圍以完成局部社區(qū)發(fā)現(xiàn)。該算法采用了有別于最大化局部社區(qū)結(jié)構(gòu)指標(biāo)的思路和方法,以節(jié)點相似性模塊度作為局部社區(qū)發(fā)現(xiàn)的衡量標(biāo)準(zhǔn),通過邊界節(jié)點識別解決已有方法存在的“何時停止聚類迭代”和給定節(jié)點位置敏感等問題。2.針對給定節(jié)點位置不確定性對局部社區(qū)發(fā)現(xiàn)的影響,提出了一種基于核心節(jié)點跳轉(zhuǎn)的局部社區(qū)發(fā)現(xiàn)算法,該方法避免從給定節(jié)點直接擴張,而是搜索給定節(jié)點附近的核心節(jié)點,由鄰近核心節(jié)點擴展為核心節(jié)點子團；并建立基于節(jié)點子團的適應(yīng)度函數(shù),據(jù)此進行節(jié)點子團合并以實現(xiàn)局部社區(qū)發(fā)現(xiàn)。與傳統(tǒng)的基于給定節(jié)點的局部社區(qū)相比,該方法能從任意給定節(jié)點跳轉(zhuǎn)到核心節(jié)點,從而能夠有效避免給定節(jié)點自身的位置和影響力對社區(qū)發(fā)現(xiàn)的限制和影響；同時,該方法能夠較為精確地控制局部社區(qū)的聚類過程和節(jié)點歸屬,并確定社區(qū)范圍內(nèi)的核心節(jié)點分布。3.為將二分網(wǎng)絡(luò)、多模網(wǎng)絡(luò)和多維網(wǎng)絡(luò)統(tǒng)一在同一框架下,提出了異質(zhì)網(wǎng)絡(luò)模型。受二部圖模型啟發(fā),該模型將異質(zhì)網(wǎng)絡(luò)描述為多個關(guān)聯(lián)的二部圖結(jié)構(gòu)。該異質(zhì)網(wǎng)絡(luò)模型既能準(zhǔn)確地描述異質(zhì)網(wǎng)絡(luò)數(shù)據(jù)本身,也能反映異質(zhì)節(jié)點之間的復(fù)雜關(guān)系。更重要的是,該模型使得最簡單的異質(zhì)網(wǎng)絡(luò)——二分網(wǎng)絡(luò)與多模／多維網(wǎng)絡(luò)在模型概念上得到了有效地統(tǒng)一和兼容,為后續(xù)的異質(zhì)網(wǎng)絡(luò)結(jié)構(gòu)挖掘提供了的理論基礎(chǔ),使得引入更多方法來解決異質(zhì)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的問題成為可能。4.為避免二分網(wǎng)絡(luò)二分結(jié)構(gòu)對社區(qū)發(fā)現(xiàn)的限制,提出了一種基于圖正則化的三重非負(fù)矩陣分解(F-NMTF)算法。通過分別構(gòu)建兩類異質(zhì)節(jié)點的近鄰圖來估計用戶子空間和目標(biāo)子空間的結(jié)構(gòu)特征,將其作為正則化約束項引入到NMTF模型中,從而同時引入了類間信息和類內(nèi)信息,以增強非負(fù)矩陣分解的正交性和收斂性,并擺脫二分結(jié)構(gòu)的限制；同時將NMTF分解為兩個關(guān)于交替求解最小化函數(shù)的子問題,并給出了一種乘性更新因子矩陣的交替迭代算法,從而使矩陣分解迭代得以簡化,加快收斂速度。實驗和分析證明：對于計算機生成網(wǎng)絡(luò)和真實網(wǎng)絡(luò),F-NMTF的社區(qū)劃分方案均表現(xiàn)出有較高的準(zhǔn)確率和穩(wěn)定性,能夠準(zhǔn)確有效地挖掘二分網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。5.為充分有效地挖掘異質(zhì)網(wǎng)絡(luò)中復(fù)雜的多�；蚨嗑S關(guān)系,提出了一種基于多視圖學(xué)習(xí)的聯(lián)合矩陣非負(fù)分解算法(Joint-NMF)�；诋愘|(zhì)網(wǎng)絡(luò)模型,該方法將異質(zhì)網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)化為多個相關(guān)聯(lián)的二部圖；借鑒多視圖(Multi-view)的分析方法,將基于單個圖的半監(jiān)督學(xué)習(xí)擴展到多個視圖的情況,使不同的二部圖之間能夠提供互信息,以實現(xiàn)異質(zhì)網(wǎng)絡(luò)圖間的協(xié)同學(xué)習(xí)。Joint-NMF算法在整個聚類學(xué)習(xí)過程綜合考慮了異質(zhì)網(wǎng)絡(luò)圖的網(wǎng)絡(luò)結(jié)構(gòu),從而使得所有二部圖學(xué)習(xí)器對中心模式節(jié)點的劃分趨于一致。實驗結(jié)果表明：在異質(zhì)網(wǎng)絡(luò)條件下,綜合多個二部圖結(jié)構(gòu)的半監(jiān)督算法Joint-NMF比無監(jiān)督算法有更優(yōu)的社區(qū)發(fā)現(xiàn)性能。
[Abstract]:With the rapid development of Internet and communication technology , the Web network starts to penetrate into every aspect of human life and production , and plays a very important role in people ' s information exchange and working life .
At the same time , in the process of community clustering , the boundary nodes are repeatedly identified based on the connection conditions inside and outside the adjacent nodes , so as to control the size and scope of the community cluster so as to complete the local community discovery .
Compared with the traditional local community based on a given node , the method can jump from any given node to the core node , so that the limitation and influence of the position and influence of a given node itself on the community discovery can be effectively avoided ;
In order to avoid the restriction on community discovery , the model enables the simplest heterogeneous network _ dichotomy network and multi - mode / multi - dimensional network to be effectively unified and compatible . In order to avoid the restriction on community discovery in the second sub - network , this model can be used as a regular constraint term in the NMTF model , so as to enhance the orthogonality and convergence of non - negative matrix factorization , and get rid of the limitation of dichotomy structure .
At the same time , the NMTF is decomposed into two sub - problems for solving the minimization function of alternating solution , and an alternate iterative algorithm of multiplicative update factor matrix is presented , which can simplify the matrix decomposition iteration and speed up the convergence speed .
Based on the multi - view analysis method , the semi - supervised learning based on a single graph is extended to multiple views , so that mutual information can be provided between different two graphs to realize the cooperative learning between heterogeneous network graphs . The joint - NMF algorithm takes into account the network structure of the heterogeneous network graph in the whole cluster learning process , so that all two - part graph learning devices are more consistent with the division of the central mode nodes .

【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP393.09

【參考文獻】

相關(guān)期刊論文 前10條

1 楊欣欣;黃少濱;;基于圖劃分的網(wǎng)狀高階異構(gòu)數(shù)據(jù)聯(lián)合聚類算法[J];四川大學(xué)學(xué)報(工程科學(xué)版);2014年02期

2 潘磊;金杰;王崇駿;謝俊元;;社會網(wǎng)絡(luò)中基于局部信息的邊社區(qū)挖掘[J];電子學(xué)報;2012年11期

3 吳英駿;黃翰;郝志峰;陳豐;;Local Community Detection Using Link Similarity[J];Journal of Computer Science & Technology;2012年06期

4 金弟;楊博;劉杰;劉大有;何東曉;;復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)探測——基于隨機游走的蟻群算法[J];軟件學(xué)報;2012年03期

5 林友芳;王天宇;唐銳;周元煒;黃厚寬;;一種有效的社會網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)模型和算法[J];計算機研究與發(fā)展;2012年02期

6 吳斌;王柏;楊勝琦;;基于事件的社會網(wǎng)絡(luò)演化分析框架[J];軟件學(xué)報;2011年07期

7 金弟;劉杰;楊博;何東曉;劉大有;;局部搜索與遺傳算法結(jié)合的大規(guī)模復(fù)雜網(wǎng)絡(luò)社區(qū)探測[J];自動化學(xué)報;2011年07期

8 龔衛(wèi)華;楊良懷;金蓉;丁維龍;;基于主題的用戶興趣域算法[J];通信學(xué)報;2011年01期

9 何東曉;周栩;王佐;周春光;王U，

本文編號：1861131