基于統(tǒng)計(jì)推理的復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)分析.pdf

1、現(xiàn)實(shí)世界中的許多復(fù)雜系統(tǒng)，如互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、食物鏈網(wǎng)、神經(jīng)網(wǎng)絡(luò)以及社會(huì)網(wǎng)絡(luò)等，都可以描述成由節(jié)點(diǎn)集通過(guò)邊連接構(gòu)成的復(fù)雜網(wǎng)絡(luò)。社區(qū)發(fā)現(xiàn)作為復(fù)雜網(wǎng)絡(luò)的一項(xiàng)重要研究?jī)?nèi)容吸引了多個(gè)領(lǐng)域的研究人員從不同視角對(duì)其進(jìn)行深入研究。盡管近年來(lái)涌現(xiàn)出一大批新穎的社區(qū)發(fā)現(xiàn)方法，但依然存在許多問(wèn)題，包括網(wǎng)絡(luò)的重疊社區(qū)發(fā)現(xiàn)、異質(zhì)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)、網(wǎng)絡(luò)社區(qū)的自動(dòng)探索以及社區(qū)發(fā)現(xiàn)的應(yīng)用等。
　　本文提出一系列基于統(tǒng)計(jì)推理的方法來(lái)進(jìn)一步研究解決上述難題，研究?jī)?nèi)容主

2、要包括重疊社區(qū)發(fā)現(xiàn)和社區(qū)自動(dòng)探索兩個(gè)方面。重疊社區(qū)發(fā)現(xiàn)主要針對(duì)符號(hào)網(wǎng)絡(luò)和加權(quán)網(wǎng)絡(luò)，其中符號(hào)網(wǎng)絡(luò)考慮了邊的正負(fù)極性，加權(quán)網(wǎng)絡(luò)考慮了邊的強(qiáng)弱程度；社區(qū)自動(dòng)探索主要針對(duì)同質(zhì)網(wǎng)絡(luò)和異質(zhì)網(wǎng)絡(luò)，其中同質(zhì)網(wǎng)絡(luò)由單一類(lèi)型節(jié)點(diǎn)和單一類(lèi)型邊組成，異質(zhì)網(wǎng)絡(luò)由多類(lèi)型節(jié)點(diǎn)（如帶屬性節(jié)點(diǎn)）或多類(lèi)型邊（如多維度邊）組成。具體內(nèi)容包括：
　　第一，研究了基于混合模型的符號(hào)網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)。現(xiàn)有的符號(hào)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法都僅允許網(wǎng)絡(luò)的節(jié)點(diǎn)屬于一個(gè)社區(qū)，但真實(shí)世界中網(wǎng)絡(luò)

3、的節(jié)點(diǎn)可能同時(shí)屬于多個(gè)社區(qū)（即重疊社區(qū)）。針對(duì)這個(gè)問(wèn)題，本文提出了一種符號(hào)概率混合模型用于發(fā)現(xiàn)符號(hào)網(wǎng)絡(luò)的重疊社區(qū)。它用混合模型同時(shí)描述正邊和負(fù)邊的生成過(guò)程，其中正邊存在于社區(qū)內(nèi)，負(fù)邊存在于社區(qū)間。該模型不僅能發(fā)現(xiàn)符號(hào)網(wǎng)絡(luò)的重疊節(jié)點(diǎn)，還能提供節(jié)點(diǎn)屬于社區(qū)的隸屬度信息。在大量的符號(hào)網(wǎng)絡(luò)上的實(shí)驗(yàn)表明該模型能發(fā)現(xiàn)符號(hào)網(wǎng)絡(luò)的重疊社區(qū)并取得較優(yōu)的性能。
　　第二，研究了基于貝葉斯的加權(quán)網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)?，F(xiàn)有的混合模型方法能比較好地發(fā)現(xiàn)加權(quán)網(wǎng)絡(luò)

4、的重疊社區(qū)，但在某些網(wǎng)絡(luò)上會(huì)出現(xiàn)一些節(jié)點(diǎn)不屬于任何社區(qū)，從而導(dǎo)致模型不能適用于網(wǎng)絡(luò)。本文提出了一種貝葉斯混合網(wǎng)絡(luò)模型用于加權(quán)網(wǎng)絡(luò)的重疊社區(qū)發(fā)現(xiàn)。該模型通過(guò)為模型參數(shù)引入先驗(yàn)分布解決了上述問(wèn)題。在人工合成網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)表明該模型能發(fā)現(xiàn)加權(quán)網(wǎng)絡(luò)的重疊社區(qū)并取得較優(yōu)的社區(qū)劃分效果。
　　第三，研究了基于非參貝葉斯的網(wǎng)絡(luò)社區(qū)自動(dòng)探索。現(xiàn)有的社區(qū)發(fā)現(xiàn)方法要么需要預(yù)先假定網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型（如社團(tuán)結(jié)構(gòu)、多部圖結(jié)構(gòu)或混合結(jié)構(gòu)等），要么需要預(yù)

5、先指定網(wǎng)絡(luò)的社區(qū)數(shù)目，但真實(shí)世界中許多網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目都是未知的。針對(duì)這個(gè)問(wèn)題，本文提出了一種貝葉斯非參混合模型用于自動(dòng)探索網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目。它將具有探索網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)類(lèi)型能力但需要預(yù)先指定社區(qū)數(shù)目的混合模型拓展到非參框架下，利用狄利克雷過(guò)程自動(dòng)確定其社區(qū)數(shù)目。在大量的人工合成網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)表明該模型能自動(dòng)探索網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目并取得較優(yōu)的社區(qū)劃分效果。另外，基于該模型的好友推薦系統(tǒng)取得了很好的效果。

6、r>　　第四，研究了基于非參貝葉斯的異質(zhì)網(wǎng)絡(luò)社區(qū)自動(dòng)探索。本文分別從帶屬性節(jié)點(diǎn)網(wǎng)絡(luò)和多維度網(wǎng)絡(luò)兩方面研究了異質(zhì)網(wǎng)絡(luò)的社區(qū)自動(dòng)探索。帶屬性節(jié)點(diǎn)網(wǎng)絡(luò)社區(qū)自動(dòng)探索的一個(gè)主要難點(diǎn)在于如何有效利用節(jié)點(diǎn)的屬性信息來(lái)提高探索效果。本文提出了一種貝葉斯非參屬性模型用于自動(dòng)探索帶屬性節(jié)點(diǎn)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目。它通過(guò)共享變量的方式同時(shí)融合了節(jié)點(diǎn)的連接和屬性信息。在真實(shí)和人工合成的帶屬性節(jié)點(diǎn)網(wǎng)絡(luò)上的實(shí)驗(yàn)表明該模型能自動(dòng)探索網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目并取

7、得較優(yōu)的社區(qū)劃分效果?，F(xiàn)有的多維度網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法的主要不足在于需要預(yù)先假定網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型（如社團(tuán)結(jié)構(gòu)等）。本文提出了一種多維度貝葉斯非參混合模型用于自動(dòng)探索多維度網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目。該模型先利用網(wǎng)絡(luò)社區(qū)自動(dòng)探索方法從每一維度抽取出結(jié)構(gòu)特征信息，然后利用現(xiàn)有的聚類(lèi)方法對(duì)融合后的結(jié)構(gòu)特征進(jìn)行聚類(lèi)得到多維度網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目。在真實(shí)和人工合成的多維度網(wǎng)絡(luò)上的實(shí)驗(yàn)表明該模型能自動(dòng)探索網(wǎng)絡(luò)的結(jié)構(gòu)類(lèi)型和社區(qū)數(shù)目并取得較優(yōu)的社區(qū)劃分