社会网络中社区发现算法研究计算机科学与技术专业论文.docxVIP

Classified Classified Index：TP301．6 U．D．C：681．14 S outhwest Jiaotong University Master Degree Thesis RESEARCH ON COMMUNITY DISCOVERY ALGOITHMS IN SOCIAL NETWORKS Grade：2013 Candidate：Su Yu Academic Degree Applied for：Master Speciality：Computer Science and Technology Supervisor：Prof．Yang Yan July．4th，2016 万方数据 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在——年解密后适用本授权书； 2．不保密囹，使用本授权书。 (请在以上方框内打“4”) 学位论文作者签名：苟、孕 指导老师签名： 日期：2016年7月箩Et 日期．2016而听 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： (1)利用多样性相似度矩阵，设计了两种改进的相似性度量方法，结合不同相似 度与不同聚类算法对社会网络进行社区发现。结果表明，在人工数据集和真实世界网 络中，基于多样性相似度矩阵的聚类算法能够发现更为准确的社区结构。 (2)设计并实现了基于边吸引力的三阶段重叠社区发现算法。本文除了根据边吸 引力对边进行聚类，还增加了将边社区转化为节点社区时的优化阶段，以及根据重叠 节点偏向性来提高发现的重叠社区结构质量的阶段。利用人工数据集和真实数据集进 行实验，结果表明，该算法相比于现有的重叠社区发现算法，得到的重叠社团质量更 高。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：苏字 日期：加f b．7．歹 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘要 互联网技术的快速发展，推动了各种社交平台应用的繁荣，形成了庞大的社会网 络系统。对社会网络进行研究，挖掘网络中的社团结构，能够让人们更深入地了解社 会网络系统。早期的研究只是发现网络中的非重叠社团结构，只考虑一个节点属于一 个社区的情况，随着研究的深入，专家们认为一个节点可以属于多个社区，从而发现 社会网络中存在着重叠社区结构，后来，学者们将研究点转移到边上，并通过对网络 中边的研究来发现重叠社团结构，本文主要的研究对象为社会网络中的社区发现算法， 具体的工作有以下两个方面： (1)在非重叠社区发现方面，实现了基于多样性相似度矩阵的聚类算法，并将其 用于社会网络中从而达到挖掘出网络结构的目的，除了现有的两种思想的相似性度量 方法之外，本文还设计了两种改进的相似性度量方法，再结合两种聚类算法对网络进 行社区发现。结果表明，在两种人工数据集和四个真实世界网络中，相对于现有的社 区发现算法，基于多样性相似度矩阵的聚类算法能够发现更为准确的社区结构。 (2)在重叠社区发现方面，提出了基于边吸引力的三阶段重叠社区发现算法。除 了根据边吸引力对边进行聚类，本文还增加了将边社区转化为节点社区时的优化阶段， 也增加了一个根据重叠节点偏向性来提高发现的重叠社区结构质量的阶段。在大多数 数据集上实验结果表明，该算法相比于现有的重叠社区发现算法，得到的重叠社区划 分质量更高。 关键词：社会网络；聚类；重叠社区；边吸引力；相似度 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 Abstract The rapid development of Intemet technology,has promoted the prosperity of various social platforms application．The research on social network，such as finding the characteristics of network