文献综述范例--研究类.pdfVIP

杭州电子科技大学 毕业设计（论文）文献综述 毕业设计（论文）题目 信任网络的社区挖掘分析 文献综述题目 社区挖掘算法分析 学 院 软件工程学院 专 业 软件工程 姓 名 吕进 班 级 学 号 指导教师 邱洪君 1.前言 近年来, 社会网络分析作为知识发现与数据挖掘领域中的热点问题, 受到广 [2,3] 泛关注。从数据挖掘的观点来说, 一个社会网络 就是用图表示的一个异种的和 多关系的数据集, 用节点代表被研究的个体, 边代表个体之间存在的某种关 [15] 系 。社区结构是社会网络的常见特征, 表现为组内节点之间连接紧密, 组间节 [13] 点之间连接松散 。社区识别是识别社会网络中特定的节点归属于哪个社区; 社 区发现是从给定的社会网络中抽取出社区, 目前已成为数据挖掘领域研究的热 点, 广泛应用于疾病的传播、供电网格、World Wide Web 、科学家的合作及文献 [14] 引用和恐怖分子网络等方面, 产生了一些经典的方法 ,如层次聚类算法、边聚 [7] [14] 类系数算法、GN 算法 和基于二部图的Web社群挖掘算法等 . 社区对理解社 会网络的结构有重要意义, 因此社区挖掘成为社会网络分析的重要研究方向之 一。 2.主题 Kernighan-Lin 算法 [12] Kernighan-Lin算法 是一种试探优化法。它是一种基于贪婪算法原理将网络 划分为两个大小已知的社团的二分法。其基本思想就是为网络的划分引进一个增 益函数Q,定义为两个社团内部的边数减去连接两个社团之间的边数,然后寻找使 [14] Q值最大的划分方法 。整个算法可描述如下:首先,将网络中的节点随机地划分 为已知大小的两个社团。在此基础上,考虑所有可能的节点对,其中每个节点对的 节点分别来自两个社团。对每个节点对, 计算如果交换这两个节点可能得到的Q 的增益ΔQ =Q交换后- Q交换前,然后交换最大的ΔQ对应的节点对, 同时记录交 换以后的Q 值。规定每个节点只能交换一次。重复这个交换过程,直到某个社团 内所有的节点都被交换一次为止。需要注意的是,在节点对交换的过程中, Q 值并 不一定是单调增加的。不过, 即使某一步的交换会使Q 值有所下降,仍然可能在其 后的步骤中出现一个更大的Q值。当交换完毕后,便找到上述交换过程中所记录的 最大的Q 值。这时对应的社团结构就认为是该网络实际的社团结构。 但是Kernighan-Lin 算法要求必须事先知道该网络的各个社团的大小，否则， 就可能不会得到正确的结果。Kernighan-Lin 算法的这个缺陷使得他在实际网络 分析中难以应用。这个问题到目前还是没有得到解决。 GN 算法 Girvan和Newnan于 2001 年提出一个基于边介数的社团发现算法, 该