复杂网络社区结构划分方法.pdfVIP

复杂网络社区结构划分方法 已有 3661 次阅读 2009-4-30 08:38 |个人分类:科研笔记|系统分类:科研笔记| 关键词:网络，系统，复杂网络，社区结构，聚类，划分方法 随着对网络性质的物理意义和数学特性的深入研究，人们发现许多 实际网络都具有一个共同性质，即社区结构。也就是说，整个网络是由 若干个 “社区”或 “组”构成的。每个社区内部的结点间的连接相对非 常紧密，但是各个社区之间的连接相对来说却比较稀疏[1][2]。揭示 络的社区结构，对于深入了解网络结构与分析网络特性是很重要的。如 社会网络中的社区代表根据兴趣和背景而形成的真实的社会团体；引文 网络中的社区代表针对同一主题的相关论文；万维网中的社区就是讨论 相关主题的若干网站[3]；而生物化学网络或者电子电路中的网络社区 可以是某一类功能单元[4][5]。发现这些网络中的社区有助于我们更加 有效的理解和开发这些网络。 在复杂网络社区结构划分的研究中，社区结构划分算法所要划分的 网络大致可分为两类，一类是比较常见的网络，即仅包含正联系的网络 (网络中边的权值为正实数)；另一类是符号社会网络，即网络中既包含 正向联系的边，也包含负向联系的边。因此划分网络中社区结构的算法 相应分为两大类，而对于第一类网络又提出了许多不同的社区结构划分 算法，划分第一类网络社区的传统算法可分为两大类，第一类是基于图 论的算法，比如 K-L 算法[6]、谱平分法[7][8]、随机游走算法[9]和派 系过滤算法[10][11]等；第二类是层次聚类算法，比如基于相似度度量 的凝聚算法[2]和基于边介数度量的分裂算法[1][12][13]等。最近几年 从其他不同的角度又提出了许多划分第一类网络社区结构的算法，大致 可划分如下：基于电阻网络性质的算法 [14]、基于信息论的算法[15]、 基于 PCA 的算法[16]和最大化模块度[17]的算法[18-23]等。对于符号 网络，Doreian 和 Mrvar 提出了一种利用局部搜索划分符号网络社区结 构的算法[24]，且Bo Yang 等提出一种基于代理的启发式划分符号网络 社区结构的算法 (FEC)[25]。 尽管复杂网络的社区发现问题得到了大量的研究，但还存在一些尚 未解决的基本问题，如社区概念虽然大量使用，但却缺少严格的数学定 义；大多数社区发现算法虽然性能优越，但所需计算量却很大。这说明 复杂网络中社区发现的研究还需要付出大量的努力。 关于复杂网络社区发现问题更加系统深入的最新进展情况请看 2009 长篇综述文章 Community Detection in graphs by Santo Fortunato (arXiv:0906.0612) 参考文献 [1] Girvan M, Newman M E J. Community structure in social and biological networks[J]. PNAS, 2001, 99(12): 7821-7826. [2] Newman M E J. Fast algorithm for detecting community structure in networks[J]. Physical Review E, 2004, 69(6): 066133. [3] Fell D A, Wagner A. The small world of metabolism[J]. Nature(Biotechnology, 2000, (18): 1121-1122. [4] Pool l, Kochen M. Contacts and Influence[J]. Social Networks, 1978, (1): 1-48. [5] Milgram S. The small world problem[J]. Psychology Today, 1967, (2): 60-67. [6] Kernighan B W, Lin S. An efficient heuristic procedure for portioning graphs[J]. Bell System Technical Journal, 1970, 49: 291-307. [7] Fiedler M. Algebraic connectivity of graphs[J]. Czechoslovak Mathematical Jou