基于最大流算法发现网络社区.docVIP

大连理工大学毕业设计（论文）格式规范 基于最大流算法发现网络社区 - PAGE II - - PAGE I - 摘 要 随着万维网的普及，人们的信息来源得到极大的丰富，网络成为人们获取信息的主要来源之一。Web是由大量异构的超文本及它们之间的超链接所组成的分布式信息源，而且正以几何级数增长，Web上分散存储、动态变化的海量数据对如何发现和提取其中的有用信息提出了很大的挑战。根据Web社区从互联网中提取知识一种快速、有效的知识提取途径。社区一组相互紧密联系的具有共同主题的网页集合，通过它可以有效地重新组织和管理Web数据。社区发现是指在分散和无序的互联网环境中发现潜在的和已定义的主题社区，并从互联网中抽取这些社区的过程。 本文重点分析了互联网的结构特征，对当前社区发现的主要技术进行了总结和分类。本论文实现了基于最大流发现社区的算法，并且通过使用相同主题的实验来比较改进方法所发现的Web社区的质量。本文对边容量与社区的规模之间的关系进行了深入研究，原始的最大流算法给边容量赋予常量，把每条边看成同等重要，而实际上每条链接所包含信息的价值并不相同，因此常常提取出包含噪音页面的图结构。本文着眼于提高社区质量，将概率分布的思想引入到边容量的分配中，给出了利用网页的入度和出度的概率分布来分配边容量的方法。实验证明，改进的边容量分配方法较好地解决了最大流算法发现Web社区中的主题漂移问题。 本论文从概率分布的角度给出了社区发现中改进的边容量分配方法，为获得高质量的Web社区提供了新思路和新途径，为有效地发现Web中潜在的社区提供了保证。因此，本文的研究具有一定的理论和实践意义。 关键词：社区发现；最大流技术；链接分析 基于最大流算法发现网络社区 - PAGE IV - Identifying Web Communities by Maximum Flow Algorithm Abstract As www grows popularly, people gain rich source of information, in which Web is a giant source. Extracting knowledge from Web Community is a quick and efficient way to discover knowledge in the Web. Community is a collection of Web Pages that are highly related, interconnected, and share the same topic. Community discovery is to discover the hidden community and defined community from the distributed and disordering environment of Internet. This thesis implements the methods based on maximum flow algorithm. By using same topics, we compared the Web communities obtained by two methods and analyzed those characteristics. Especially in the community identification based on flow techniques, this thesis studies the relationship between edge capacities and community scale. The previously proposed method has a limitation that a certain graph structure containing noises is always extract, which is mainly because each edge is assigned a constant value which regard each edge as the same important. But actually, each hyperlink including information has a different value. For the sake of improving community quality, this thesis analyzes link structure, basing on the characteristics of