基于流行度和中心度的内容网络社区发现方法

《基于流行度和中心度的内容网络社区发现方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、真参京交硕士学位论文基于流行度和中心度的内容网络社区发现方法Methodforcommunitydetectiononcontentnetworksbasedonnodepopularityandnodeproductivity作者：康钊宁导师：贾彩燕北京交通大学2014年3月学位论文版权使用授权书I／irl／I／‘I／HI／／。I／ll／／u／／li／i3i／／／I／1／／I／12／／ll／／／i1／／lll本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数

2、据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：签字日期：盈彳乒年导师签名：、躲錾签字日期：沙7节年3月27日中图分类号：TPl82UDC：004．8学校代码：10004密级：公开北京交通大学硕士学位论文基于流行度和中心度的内容网络社区发现方法MethodforcommunitydetectiononcontentnetworksbasedonnodepopularityandnOde

3、productivitv-^，-作者姓名：康钊宁导师姓名：贾彩燕学位类别：工学学科专业：计算机科学与技术北京交通大学2014年3月学号：11120449职称：副教授学位级别：硕士研究方向：复杂网络分析致谢本论文的工作是在我的导师贾彩燕副教授的悉心指导下完成的，贾彩燕副教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来贾老师对我的关心和指导。于剑教授悉心指导我们完成了实验室的科研工作，在学习上和生活上都给予了我很大的关心和帮助，在此向于剑老师表示衷心的谢意。周雪忠副教授、景丽萍副教授对于我的科研工作和论文都

4、提出了许多的宝贵意见，在此表示衷心的感谢。在实验室工作及撰写论文期间，柴变芳、李亚芳、姜雅文等同学对我论文中的复杂网络究工作给予了热情帮助，在此向他们表达我的感激之情。另外也感谢我的家人，他们的理解和支持使我能够在学校专心完成我的学业。j匕塞交通太堂亟±堂僮诠塞撞基摘要复杂网络通常具有内部链接紧密，外部链接稀疏的特性，探索复杂网络社区发现方法对分析论文引用网络、万维网、蛋白质交互网络和交通网络等具有重要意义。复杂网络节点间不仅存在链接关系，节点上还常常附着有属性信息。链接关系和节点内容相结合的复杂网络社区发现由于其社区划分的准确性

5、而越来越受到人们的重视。本文主要工作内容有：一、由于近年来发展的社区发现概率模型的可解释性，我们对现有的性能较好的基于节点中心度和流行度的社区划分链接模型PPL进行了扩展，给出了一种新的可以结合节点内容的组合模型PPL．DC。该模型不但解决了节点属性的选择性问题，同时充分利用了节点间的链接关系，提高了算法的精确度。二、为了进一步改善PPL．DC模型的性能，在不以牺牲社区划分质量的情况下，我们使用了～种简单的基于相似性的稀疏化启发式方法对边进行分类，然后对每一个节点，只在稀疏图里保留部分边，以迸一步提高社区划分的精度。三、将以上两种

6、方法相结合，并通过多个实验验证，实验结果表明：新给出的PPL．DC模型优于单纯的链接模型和已有的链接和内容相结合的组合模型，并且通过稀疏化方法可以进一步改善社区划分的性能。最后用实验验证了影响运行时间的因素不仅仅是采用了稀疏化方法。关键词：复杂网络；社区发现；内容网络分类号：TPl82jE立交通塞堂亟±堂僮诠塞△旦SI基△￡IABSTRACTComplexnetworksusuallyhavethecharacteristicsofcloseInternallinksandsparseexternallinks．Exploring

7、communitydetectionmethodsofthecomplexnetworkisveryimportantintheanalysisofcitationnetworks，theworldwideweb，proteinineractionnetworkandtrafficnetwork。Notonlyaretherelinksbetweennodesincomplexnetworks，butalsoarenodesoftenattachedwithattributes．Thecommunitydetectionofcom

8、bininglinkandcontenthasbeenrecentlyreceivingmoreattentionduetoitsaccuracyonpartitioningcommunitiesincomplexnetworks．Themainc