复杂网络社区提取综述概要.ppt

复杂网络论文汇报 2013.10 网络 基本概念 复杂网络及其特性 社区提取及一些经典算法 网络 传统的对网络的研究最早起源于著名的欧拉七桥问题。许多真实系统都可以用网络的形式加以描述，一个典型的网络是由许多结点与连接结点之间的边组成的。结点代表系统中的个体，边则表示结点之间的作用关系。通常是当两个节点之间具有某种特定的关系时连一条边,反之则不连边. 有边相连的两个节点在网络中被看作是相邻的. 我们把网络不依赖于节点的具体位置和边的具体形态就能表现出来的性质叫做网络的拓扑性质,相应的结构叫做网络的拓扑结构. 基本概念 图 （网络） 由若干个不同顶点与连接其中某些顶点的边所组成的图形就称为图。（顶点的位置以及边的曲直都是无关紧要的，而且也是没有假定这些顶点和边都要在一个平面内，只关心顶点的多少和这些边是连接哪些顶点的），通常用大写字母G表示图，记作G = (V, E)。其中顶点集合和边的集合分别用V(G)和E(G)表示。同时集合E(G)中的每一条边都与集合V(G)中的一对结点相对应，另外由一条边相互连接的两个结点称之为相邻节点。V(G)中的元素称为顶点（Vertex），顶点个数称为图的阶（Order）。E(G)中的元素称为边（Edge），边的个数称为图的边数（Size）（规模）。 有向图和无向图 如果任意的结点对(i,j)和(j,i)对应着同一条边,那么这种图就被称为无向图，即(i,j)=(j,i)。若(i,j)≠(j,i)，则为有向图。对应有向网络和无向网络。 路径、迹、路 在图G(V, E)中，若从顶点vi 出发，沿着一些边经过一些顶点vp1, vp2, …, vpm，到达顶点vj，则称顶点序列(vi, vp1, vp2,…, vpm, vj)为从顶点vi 到顶点vj 的一条路径（Path，或称为通路），其中(vi, vp1), (vp1,vp2), …, (vpm, vj)为图G 中的边。如果各边都不相同，则称该路径为图G 的一个迹。顶点互不相同的迹称为路。 图（网络）的存储表示 邻接矩阵 除了记录各个顶点信息的顶点数组外，还表示各个顶点之间关系的矩阵，称为邻接矩阵（Adjacency Matrix）。 对于一个无权无向的网络来说,在它的邻接矩阵W的表示方法中,如果网络中的节点i和节点j之间存在连接的边,那么元素Wij=1,如果节点i和节点j之间没有边相连接则Wij=0,则由此可以知道该邻接矩阵是一个对称矩阵。 对于有向网络,邻接矩阵则代表着某个节点的出入度数目,其中第i行上非零的列数代表节点i的出度,第j列上非零的行数代表节点j的入度;对于加权网络中,如果结点i和结点j之间存在一条边,那么元素Wij的值等于节点i和节点j之间的相应的权重的值。 路径的长度、距离、平均路径长度、直径、 路径中边的数目通常称为路径的长度。 单源最短路径 就是固定一个顶点，将此顶点当作源点，求源点到其他各个顶点的最短路径。 节点的度 结点i的度定义为与这个结点i相连接的其它结点的数目。换句话说,也就是与节点i相连接的边的数目。度有入度和出度之分，节点的度描述节点性质的一个特别重要的概念，在网络中,如果某个节点的度很大,说明这个结点对于整个网络来说非常重要。（核心节点算法就是先找出度数最大的点） 度分布 网络中的度分布则是描述网络性质的一个非常重要的统计量，无向网络中的节点的度的分布情况可以用分布函数P(k)来表示,它所代表的含义是随机地选择网络中的一个节点度为k的概率，换句话说就是在网络中度为k的节点数目总数占网络中所有节点总数的比例。对于有向网络，其度分布还可细致地分为网络的入度分布(in-degree distribution)和出度分布(out-degree distribution)。随机网络和复杂网络有不同的度分布。 介数（居间中心性）(betweenness) 网络中的介数分为节点介数和边介数。 通常在整个网络中,如果从某一个节点沿着最短路径到达另外一个节点时,一般会经过若干节点,但是这些节点的经过次数不一样,网络中的有些节点被经过的次数明显高于别的节点经过的次数，这种现象就有节点的介数来描述。 节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例. 边介数定义为网络中所有最短路径中经过该边的路径的数目占最短路径总数的比例. 介数反映了相应的节点或者边在整个网络中的作用和影响力，是一个重要的全局几何量，具有很强的现实意义。 GN算法中某条边的边介数是指网络中通过这条边的最短路径的数目。节点k的介数的计算公式为： 聚类系数（聚集系数）（簇系数） 网络的聚集系数表明复杂网络中的节点的聚集情况也就是网络的聚集性,换句话说,就