基于模块度优化的重叠社团检测算法研究与应用.pdf

基于模块度优化的重叠社团检测算法研究与应用 中文摘要 近几年，大数据、人工智能持续发展，变得越来越高效，在日常生活中也 得到了广泛的应用。网络承载着庞大而复杂的数据信息。其内部结构的研究无 疑蕴含着丰富的信息量和强大的吸引力，社团结构检测技术应运而生。分析网 络的结构，描述网络的特征能够更好地认识网络的特质，预测网络更替的规律。 现有研究的传统的社团检测方法中，非重叠社团检测算法为更多人所选择。 但随着研究的深入，与实际网络更为匹配的重叠社团检测方法后来居上，开辟 了新的研究思路。本文通过对SLPA算法的了解与研究的基础上，提出了基于模 块度优化的重叠社团检测算法MLPA+算法。将模块度优化思想与SLPA算法相互 融合，减少了SLPA在传播标签时的随机性，模块度比率平方根最大化的展现使 得算法在前期进行初始社团划分，在标签传播阶段，通过计算比较Adamic-Adar 指标选择最优邻居节点，当最优邻居节点有多个时，则选择它们的标签中出现 次数最多的标签，对当前节点进行更新标签，最终使得社团检测结果更符合真 实社团结构。 通过在五组人工网络数据集和四组真实网络数据集进行社团检测，实验结 果对比分析表明，MLPA+算法在功能上存在着明显的优势。加之算法的收敛速度 较为迅速，结果也较改进前更加稳定，综合得出本文提出的算法具有较好的稳 定性和鲁棒性。 本算法参与某市公共安全部门合作课题“社团检测在特定行业的应用软件”， 为更好地在案件侦破过程中提供有效帮助，确定组织参与活动的敏感人群提供 更有效的分析方法。通过MLPA+算法对于重叠节点进行准确检测，缩小敏感人 群范围，给与侦破案件提供重要的辅助性作用。通过MLPA+改进算法确定重叠 节点，改进非重叠算法准确性低的不足之处，同时也为刑侦提供更加精准的信 息以加快案情的推进。 关键词：社团检测，重叠社团，标签传播，模块度，公共安全 I RESEARCHANDAPPLICATION OFOVERLAPPING COMMUNITYDETECTIONALGORITHM BASED ON MODULARITYOPTIMIZATION Abstract In recent years, big data and artificial intelligence have continued to develop and become more and more efficient, which have been widely adopted in daily life. The network carries huge and complex data information. The study of its internal structure containing a wealth of information undoubtedly appeals for the birth of techniques in community structure detection strongly.Analyzing the structure of the network and describing the characteristics of the network can understand the characteristicsofthenetwork better,which can beusedtopredict the law ofnetwork replacement. Among the traditional community detection methods, non-overlapping community detection algorithms have been studied more. However, with the deepening procedure of research, overlapping community detection methods can match the actual network better, opening up new research ideas for us.Based on the SLPA