网络社区划分算法导论.docx

网络社区划分算法目录1?简介2?构建一个点击流网络3?网络社区划分的两种主要思路：拓扑分析和流分析4?拓扑分析4.1?计算网络的模块化程度Q-Modularity4.2?计算网络的连边紧密度Edge betweenness4.3?计算网络拉普拉斯矩阵的特征向量Leading eigenvector4.4?通过fast greedy方法搜索网络模块化程度Q-Modularity的最大值4.5?通过multi level方法搜索网络模块化程度Q-Modularity的最大值5?流分析5.1?随机游走算法Walk Trap5.2?标签扩散算法label propagation5.3?流编码算法 the Map Equation5.4?流层级算法 Role-based Similarity6?总结[]简介使用许多互联网数据，我们都可以构建出这样的网络，其节点为某一种信息资源，如图片，视频，帖子，新闻等，连边为用户在资源之间的流动。对于这样的网络，使用社区划分算法可以揭示信息资源之间的相关性，这种相关性的发现利用了用户对信息资源的处理信息，因此比起单纯使用资源本身携带的信息来聚类（例如，使用新闻包含的关键词对新闻资源进行聚类），是一种更深刻的知识发现。[]构建一个点击流网络假设我们手头有一批用户在一段期间内访问某类资源的数据。为了减少数据数理规模，我们一般只考虑最经常被访问的一批资源。因此在