带有节点特征网络的社区发现算法研究

《带有节点特征网络的社区发现算法研究》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、分类号：０２１３密级：公开＿ｔＷｆ火書研究生学位论文论文题目（中文）带有节点特征网络的社区发现算法研究论文题目夕卜文Ｓｔｕｄｏｎｔｈｅｎｅｔｗｏｒｋｃｏｍｍｕｎｉｔ（）ｙｙｄｅｔｅｃｔｉｏｎｗｉｔｈｎｏｄｅａｔｔｒｉｂｕｔｅｓ研宄生姓名唐风琴学科、专业数学概率论与数理统计研宄方向网络分析学位级别博士导师姓名、职称荆炳义教授论文工作起止年月２０１６年３月至２０１８年９月论文提交日期２０１８年１０月论文答辩日期２０１８年１２月５曰

2、学位授予日期校址：甘肃省兰州市学院１２０１５０９０３５００：数学与统计学院学号：学生姓名：唐风琴导师姓名：荆炳义学科名称？概率论与数理统计：数学论文题目：带有节点特征网络的社区发现算法研宂原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果、数据、观点等，。学位论文中凡引用他人己经发表或未发表的成果均已明确注明出处。除文中己经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研宄成果做出重要贡献的个人和集体，均己在文中以明确

3、方式标明。本声明的法律贵任由本人承担。论文作者签名：日期：冰叫关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学、使用学位论文的规定，同意学校保存或向。本人完全了解兰州大学有关保存国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或一与该论文直接相关的学术论文或成果时，第署名单位仍然为兰州大学。本学位

4、论文研究内容：□可以公开已在学位办公室办理保密申请，解密后适用本授权书。□不宜公开，“一项打ｃ请在以上选项内选择其中导师签名：论文作者签名：日期：沁敗、ｆｘ＾Ｌ日期：叫带有节点特征网络的社区发现算法研究中文摘要近年来，随着现代信息技术的发展，许多复杂系统可用网络表示，系统中的基１１４本元素及其交互关系分别定义为节点和链接［］。复杂系统通常以模块的形式构建，模块在复杂系统具有其特色功能。在网络中，这样的模块表现为具有高密度内部链接的节点集，而模块之间的链接密度较低。这些子图称为社区，现实

5、中很多的网络，２１比如社交网络［］、科研合作网、食物链网等都存在社区结构。检测复杂系统的社区一一结构可以进步地分析其内在组织构造及功能。因此，社区发现是网络科学中的５［３］个基本问题。现实中，网络数据的形式多样，有描述网络结构信息的数据，也有描述网络中节点属性特征的数据等。现有大部分社区发现算法仅关注网络结构信息，而传统的聚类算法仅关注节点的特征信息。社区应该是具有齐次边密度且带有相似特征的节点的集合，因此，本文拟结合网络的结构数据信息和网络节点的特征数据信息进行社区发现问题的研究，基于不同的衡量社区结构强度

6、的目标函数，提出了三种社区发现算法。⑴ＳｐｃＳＡ算法。该算法结合节点特征，将网络节点特征信息转化为节点连边的权值具有相似节点特征的节点之间连边的权值增大，特征信息差异较大的节点之间连边的权值减小，通过更新节点之间连边的权值，强化了原有网络的结构信一息，有利于社区发现问题的研究。现实中网络节点带有的特征信息往往不止个，部分特征信息是噪音或者是冗余的，需要将这部分噪音特征信息甄别出来。一一一针对这问题，ＳｐｃＳＡ算法设计了种网络节点特征校正方法，以定的权值标示该节点特征的相对重要性，权值越大，该特征在社区发现过程

7、中的作用越大。节点特征的权值取决于该特征属性的分布，若该特征在同社区内离散度小，在社区间的离散度大，那么它对应的权值较大。ＳｐｃＳＡ算法采取类似ＥＭ算法的，即首先给定节点特征的权值，估计节点的类别标签迭代方式；其次给定节点Ｉ的类标签，估计节点特征的权值。模拟实验和实际数据实验表明ＳｐｃＳＡ算法在检测社区和学习节点特征属性相对重要性方面是有效的。２现实中的网络存在结构数据不完全的现象，例如，用户可以设定其隐私设置以（）防止非朋友查看他们的帖子或连接，这样在网络中就产生了孤立点。这种数据不完全现象会增加发现社

8、区的难度。这些孤立点可能带有丰富的特征信息，可利用这些信息来推断其社区隶属关系。基于此，提出了基于模度块的结合节点特征信息和网络结构信息的社区发现算法－ＮＭＮＡ算法ＮＭＮ