关联网络社区发现的研究.pdfVIP

摘要 皇量鼍蔓寡曼曼曼曼曼曼寡曼!!曼皇曼曼曼曼曼曼曼鼍曼曼曼曼曼曼曼曼曼寰I I皇曼曼曼曼曼皂苎曼曼曼皇毫寰曼曼曼皇曼烹曼皇曹量曼曼曼曼!曼皇曼曼 关联网络的社区发现研究 计算机应用技术专业硕士研究生阎艳 指导老师邱玉辉教授 摘要 现实世界中的许多系统都可以用关联网络表示，如WWW、引文网络、股票 关联网络、蛋白质关联网络、神经网络等等。尽管这些网络有着不同的描述对 象，它们却有许多共同点。社区结构是关联网络的普遍性质之一。社区是网络 的缩影，是理解网络结构和分析网络性质的基础。从不断变化的网络结构中， 有效地发现社区结构及其变化过程，有助于分析网络结构性质，了解整个网络 的动态，预测网络变化，从而为实现网络结构优化、资源搜索、资源推荐等提 供方法。近年来，社区结构以及进化过程的发现开始成为关联网络领域的研究 热点之一，并被应用在各种现实关联网络的分析中。 然而，现有社区发现方法往往只是提取并列关系的社区结构，这些社区或 相互独立，或部分重叠，并没有考虑社区之间可能存在的层次关系。此外，n 社区的进化过程中，社区层次会不断发生改变，单一层次的社区发现难以确侏 得到合理的社区结构，从而可能无法准确发现社区的进化过程。不仅如此，现 有的社区进化类型判断标准很难满足社区变化的复杂性。针对这些不足，本文 提出了一种改进的关联网络发现方法：引入社区层次结构，在社区结构层次结 构的基础上，寻找社区的进化过程。利用该方法，对DBLP文献标题的单词关 联网络进行社区发现分析。 本文研究的主要工作包括这样几个方面： 第一，分析了传统社区提取方法和现有社区进化发现方法，针对其不足， 提出了一个关联网络的社区发现框架，阐述了社区发现的基本流程，引入带时 间属性的关联网络、关联网络片段、社区层次结构、社区进化图等概念，并进 行形式化描述。 第二，讨论了社区发现方法。包括：①对社区层次结构的构建进行研究： 分别从社区的拓扑结构和社区的内容性质出发，讨论基于社区凝聚度的社区层 两南人学硕十簟位论文 次结构和基于关联本体的社区层次结构，芳给出了构造社区层次结构的算法描 述。②提出了一种利用各个时间片段的社区层次结构寻找社区进化过程的方法t 定义了社区进化的基本类型以及社区进化的度量标准，给出了利用社区相关度 构建社区进化图的算法描述。 第三，将上述方法应用到2000～2007年DBLP文献标题的单词关联网络， 发现该网络的社区结构及其进化过程，分析各社区成员和变化的特点，通过比 较现有方法，以验证其可行及有效性。实验结果表明，通过构建关联网络各个 时间段的社区层次结构，寻找社区的相关状态，和现有方法相比，在一定的程 度卜，能够更有效地发现关联网络中的不同凝聚度的社区结构及其进化过程。 关键词：关联网络社区层次派系过滤社区进化单词关联网络 Abstract ResearchonCommu in nityDiscovery AssociationNetwork Major：ComputerApplication Yan P0stgraduate：Yan Yuhui Supervisor：Prof．Qiu Abstract Associationnetworkistheabstractionofentitiesandtheir relationships．It’Swidely usedint