基于异同性的社区演化分类方法的研究与实现.pdfVIP

目录 中 文 摘 要 I  Abstract II  1 绪论 1  1.1 研究背景及意义 1  1.2 研究现状 2  1.2.1 动态社区演化分析 2  1.2.2 评估标准研究现状 3  1.2.3 分类模型研究现状 4  1.3 研究内容 5  1.4 论文结构 6  2 相关理论知识 7  2.1 复杂网络 7  2.2 动态网络 8  2.3 社区演化分析 8  2.3.1 时间片划分 8  2.3.2 静态社区发现 9  2.3.3 演化分类模型 11  2.4 实验数据集 13  2.5 本章小结 14  3 差值吸收核心节点检测算法 15  3.1 节点重要性评价指标 15  3.2 差值吸收核心节点检测算法 17  3.3 本章小结 20  4 基于异同性的社区演化分类模型 21  4.1 相似性公式 21  4.2 差异性公式 21  4.3 社区演化分类模型 24  4.4 实验及结果分析 26  4.4.1 参数值设置 26  4.4.2 HEP-TH 数据集实验与分析 31  4.4.3 Salon24 数据集实验与分析 34  4.4.4 Facebook 数据集实验与分析 37  4.5 本章小结 38  5 动态社区演化类型分析系统 39  5.1 概要设计 39  5.1.1 需求分析 39  5.1.2 开发环境 39  5.1.3 系统结构设计 39  5.2 系统详细设计 40  5.3 数据库设计 42  5.4 系统实现 44  5.4.1 数据集分析 44  5.4.2 参数分析与设置 45  5.4.3 演化分类结果分析 46  5.5 本章小结 46  6 总结与展望 47  总结 47  展望 47  参考文献 49  致谢 54  攻读硕士学位期间所发表的学术论文与成果 55  山东农业大学硕士学位论文 中 文 摘 要 随着通信技术的飞速发展，移动互联网迅速崛起，由此产生的动态网络生成了海 量数据，形成了大小主题各异的社区，挖掘社区中蕴含的巨大价值成为近来研究热点 之一。目前，较为常见的社区研究分为社区发现、社区演化分析、社区结构分析等， 其中对社区发现的研究已取得一定成果并应用于个性化推荐等领域，对社区演化的分 析以社区发现为基础，进一步分析社区的变化并寻求潜在的演化规律，从而发现社区 内隐含的深层次信息，为预测社区演化行为提供基础，同时可以在舆情分析与控制、 蛋白质功能预测、精准营销、传染病传播控制等方面发挥重要作用。本文针对社区演 化分析的相关问题，主要从以下三方面展开研究。 提出一种基于评价指标的差值吸收核心节点检测算法。该算法以基于邻居信息与 集聚系数的节点重要性评价指标为基础，依据评价指标值计算各节点的相对权重值， 将该值为正数的节点确定为核心节点，并加入核心节点集。该算法不需要人为设定阈 值，与依靠节点度信息等判定核心节点的算法相比具有较大优势。 提出一种基于异同性的社区演化分类模型。以提出的差值吸收核心节点检测算法 为基础，通过优化差异性公式，分别对核心节点和非核心节点的差异性进行判定。将 优化后的差异性公式与现有的相似性公式结合，提出基于异同性的社区演化分类模型