面向生物领域的复杂网络社团检测和关键结点识别研究

《面向生物领域的复杂网络社团检测和关键结点识别研究》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、面向生物领域的复杂网络社团检测和关键结点识别研究ResearchinComplexNetworkCommunityDetectionandCriticalNodeRecognitionforBiologicalFields学科专业：计算机科学与技术研究生：袁李萌子指导教师：王文俊教授天津大学计算机科学与技术学院二零一七年十二月万方数据万方数据万方数据万方数据摘要近年来，国际上关于生物领域研究团队发展趋势研究的文献大量涌现，涉及内容及研究热点非常广泛并且呈现出了多种学科相结合的新态势，这也对其研究提出了更高的要求。基于以上背景，本课题运用复杂

2、网络社团检测的方法，在对生物领域文献数据构建异质网络的基础上，对研究者互合著、研究机构的社团结构和关键结点进行了分析。具体工作如下：第一，基于生物领域文献数据构建了“论文-研究者-团队”的多层异质复杂网络，形式化描述了论文层、研究者层以及团队层的网络结构，介绍定义了网络统计特性指标，并对研究者网络及研究团队网络的网络统计特性进行了分析。第二，提出了一个动态网络社团检测的PPNMF算法，运用该算法对构建的多层异质复杂网络进行了社团检测。接着介绍了结点重要性评估指标c-index的形式化定义，对检测得到的社团中的重要性结点进行了识别和分析。运用

3、可视化工具呈现出社团检测结果，标注出每个社团中的关键性结点以及这些结点之间的联系。本课题基于生物领域文献数据完成了多层异质复杂网络的构建，提出了动态网络的社团检测方法。并且分析了研究者网络和研究者团队网络的统计特性，对这两个网络进行了社团检测，识别出社团中的关键性的研究者以及研究者团队，以及分析了这些关键性结点之间的关系。最后通过可视化工具，将复杂网络社团检测及关键性结点识别的结果呈现出来。关键词：生物领域，多层异质网络，研究团队，社团检测，关键性结点识别I万方数据II万方数据ABSTRACTInrecentyears,anincreasi

4、ngliteratureonthebiologyhasbeenavailable,whichinvolvesinbroadresearchfieldsandnumeroushotpots.Thepublicationsintermsofbiologytendtocombinevariousdisciplinesandthenproposehigherrequirementsonresearch.Basedontheabovebackgrounds,thestudyofthispaperappliesdynamiccommunitydetec

5、tionaimingatcomplexnetworks,basedonthebiologyheterogeneousnetworksofpublicationsfromPubMed,toanalyzethecitationrelationshipamongauthorsandpapers,thedevelopmentoftheresearchgroups,andsoon.Concretely,themainworkisasfollows:Firstly,weconstructthecomplexmulti-layerheterogeneou

6、snetworksofbiologyresearch,whichcontainpaperlayer,authorlayerandaffiliationlayer.Weintroduceandgivetheformaldescriptionsoftheeachlayer’snetworkstructure.Andwealsointroducetheformaldefinitionsofcharacteristicsofcomplexnetworksandanalyzethepropertiesoftheauthornetworksandthe

7、researchgroupnetworks.Next,weproposethedynamiccommunitydetectionalgorithmPPNMFbasedonnonnegativematrixfactorization,andanalyzethebiosafetynetworksusingthemethodweproposed.Torecognizecriticalnodesindetectedcommunities,weapplyseveralevaluationmetricsinbibliometrics.Wepresent

8、theresultsofcommunitydetectiononbiologymulti-layerheterogeneouscomplexnetworksbyapplyingv