社交網(wǎng)絡(luò)中重疊區(qū)域與強弱邊關(guān)系的研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展推動了社交信息的網(wǎng)絡(luò)化進程。現(xiàn)實世界中許多信息系統(tǒng)都可以用網(wǎng)絡(luò)結(jié)構(gòu)來表示，而網(wǎng)絡(luò)結(jié)構(gòu)又可以進一步化分為多個大小不同的社區(qū)，社區(qū)是移動社交網(wǎng)絡(luò)最重要的一個特征。如何對網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)進行快速有效地識別是目前的研究熱點。
　　本文針對現(xiàn)實生活中，人們通常隸屬于多個社團這一現(xiàn)象，重點研究重疊社區(qū)的識別算法。在此基礎(chǔ)上，進一步探討網(wǎng)絡(luò)重疊社區(qū)結(jié)構(gòu)與強弱邊之間的關(guān)系，主要研究內(nèi)容如下:
　　(1)傳統(tǒng)的非負矩陣分解算法

2、忽視了網(wǎng)絡(luò)系統(tǒng)的可擴展性，在社區(qū)劃分過程中導(dǎo)致時間復(fù)雜度和空間復(fù)雜度較高。針對此問題，本文提出了一種主成分分析(PCA)與隸屬度指數(shù)(MI)相結(jié)合的算法，實現(xiàn)重疊社區(qū)結(jié)構(gòu)的有效識別。該算法首先使用PCA技術(shù)挖掘網(wǎng)絡(luò)中的關(guān)鍵特征，然后采用隸屬度指標對節(jié)點進行分類。實驗結(jié)果表明，該算法可以快速、高效地實現(xiàn)重疊社區(qū)結(jié)構(gòu)的檢測，并且模塊度Q值也接近于傳統(tǒng)算法。
　　(2)考慮到重疊社區(qū)中重疊節(jié)點所具有的獨特性，重疊節(jié)點與非重疊節(jié)點之間的關(guān)

3、系很難用傳統(tǒng)的強弱關(guān)系定義。針對此問題，本文提出了重疊社區(qū)系數(shù)指標，基于該指標，對網(wǎng)絡(luò)中節(jié)點度與強弱邊以權(quán)值的形式進行重新界定，揭示節(jié)點之間所隱藏的復(fù)雜關(guān)系;在此基礎(chǔ)上，通過改變重疊節(jié)點的數(shù)量來研究網(wǎng)絡(luò)中強弱邊的數(shù)量變化情況。進一步地，基于兩種強弱邊的劃分方法，分析強弱邊數(shù)量的變化情況。
　　(3)研究重疊點及強弱邊在信息擴散中的作用，并以傳染病為例，對4組真實數(shù)據(jù)集下傳染病擴散速度進行統(tǒng)計和分析。實驗結(jié)果顯示在傳染病預(yù)防過程中不