web20社区化最新完整版本.pptVIP

社会信息网络中社区分析的几个问题节点之间的多维关系度量距离（多关系的度量）不符合三角不等式：(DAB+DAC)vs.DBCDimensionless社区显著性度量社区的重叠性与社区关系之间多模态分析社会信息网络中社区分析的几个问题节点之间的多维关系度量距离（多关系的度量）不符合三角不等式：(DAB+DAC)vs.DBCDimensionless社区显著性度量社区的重叠性与社区关系之间多模态分析社区的信息演化性结构演化性内容/功能演化性信息网络中社区分析的几点探索基于信息瓶颈的社区发现层次化重叠社区发现社区核心成员的识别融合社区关系的专家搜索基于信息瓶颈的社区发现多维关系信息网络中，基于单一关系度量的结构显著性判定方法存在无法避免的距离度量偏差从信息网络编码角度来看，社区结构可以看成是网络拓扑稳定性的一种呈现。如果通过压缩网络而不失去稳定性的网络拓扑骨架，则网络的社区结构水落石出。基于信息瓶颈社区发现尽可能多地压缩信息损失尽可能少，即尽可能容易恢复基于信息瓶颈的社区发现基本思想使用两个随机变量X和Y表示网络拓扑结构压缩其中一个随机变量X，得到压缩表示C，使I(C,X)尽可能小（即压缩比尽可能大）且I(X,Y)尽可能大（即损失信息尽可能小）。每一种压缩对应一种由X到C的赋值p(c|x)目标函数为基于信息瓶颈的社区发现即寻找一种使上述目标函数最小的压缩表示，即求最优解：Zachary俱乐部网络二维关系网络的社区发现（二部图网络）有向关系网络的社区发现沈华伟、程学旗，基于信息瓶颈的社区发现，计算机学报，2008，31（4）H-Overlapping:层次化和重叠式社区发现基本问题K-clique社区基于完全子图判定，社区之间关系定义过于严格，从而大量丢失节点多维属性之间的关联信息基于Modularity的NewmanFast算法具有随意性，与节点选择顺序相关，从而导致部分错误划分方法利用节点的邻域信息，先期进行子团的小范围聚合。结合NewmanFast算法进行后期合并可以发现层次化重叠的社区结构层次化重叠社区发现Experiment:词网HuaweiShen,XueqiCheng,Uncoveringhierarchicalandoverlappingcommunitystructureincomplexnetworks,submittedtoPhys.Rev.E社区核心成员识别社区核心成员识别找出社区的核心成员是社区分析的一个重要子问题*****使用两个随机变量示网络拓扑结构是指：拓扑是指节点的关系，每个边对应两个节点，一边用一个变量表示。*网络上，每个节点表示俱乐部的一个成员，边表示两者之间相互认识。后来，由于俱乐部的教练和老板，分别为1和33发生了争执，俱乐部分裂为两个俱乐部，分别用不同形状的节点。中间的竖线表示，基于信息瓶颈的社区发现得到的划分结果，节点3被误分，但是节点3和两边的连接个数都为5，容易误分。*二部图网络的例子：是为了说明，二部图二部的节点相互影响构成社区，即喜欢汽车的各个个体和汽车一起构成一个社区。有向网络的例子：是为了说明，关注入边和出边得到的社区可能不同，从而说明有向网络的方向是不能忽略的，和别的方法相比，基于信息瓶颈的社区发现方法可以很好地处理这个问题。在给出的例子中，pipo，表明节点1-6,13-18更倾向于有边指向1-12，而节点7-12,19-24更倾向于有边指向13-24。对于这样一个有24个顶点的网络，考虑出边，得到的社区是(1-12)，(13-24)；考虑入边特征，得到的社区是(1-6,13-18)，(7-12,19-24)。如果忽略方向性，该网络不具有社区结构。*以无权无向图为例，选发现其中的clique，然后在clique的基础之上，进行合并。好处：一、clique是连接最紧密的模式，以它为基础可以避免NewmanFast算法的盲目合并。NewmanFast是贪婪合并策略。二、由于clique之间允许有重叠，合并可以产生层次。因此，可以发现层次化的重叠社区结构。*左图是一个示意图，这个图可以分成四个社区，即每个圈一个社区，也可以分成三个社区，即每种颜色一个社区，图的下部节点全是绿色，认为是一个社区。无论是三个社区，还是四个社区，都损失了一些信息。最好的结果如右图，首先分成三个，然后，绿色的社区再分成两个。这样一个层次化的重叠社区结构才是最好的结果。*词联想网络。是美国SouthFlorida大学通过调查问卷得到的，调查时，给一个