基于社區(qū)結(jié)構(gòu)的社交網(wǎng)絡(luò)最優(yōu)路徑生成方法研究.pdf

1、技術(shù)的迅速發(fā)展使得人們進(jìn)入互聯(lián)網(wǎng)時(shí)代，越來越多的人加入到社交網(wǎng)絡(luò)中，網(wǎng)民的數(shù)量已經(jīng)占人口總數(shù)很大的比重，并且社交網(wǎng)絡(luò)上的應(yīng)用越來越豐富，人們?cè)谏缃痪W(wǎng)絡(luò)上交友、娛樂、消費(fèi)、工作等等，社交網(wǎng)絡(luò)的規(guī)模迅速增大，信息量也迅速增長(zhǎng)，結(jié)構(gòu)越來越復(fù)雜。相關(guān)問題的研究吸引了各個(gè)學(xué)科領(lǐng)域的專家和學(xué)者，比如網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)理解、信息傳播模型、個(gè)性化推薦系統(tǒng)等等，在這些問題中最優(yōu)路徑都發(fā)揮了重要的作用。因此研究社交網(wǎng)絡(luò)最優(yōu)路徑問題具有非常重要的價(jià)值和應(yīng)用意義。<

2、br>　　但是傳統(tǒng)的一般最優(yōu)路徑算法已經(jīng)無法適應(yīng)社交網(wǎng)絡(luò)規(guī)模大、結(jié)構(gòu)復(fù)雜、信息量大的特點(diǎn)，而近年來針對(duì)特定網(wǎng)絡(luò)利用其特點(diǎn)提出的算法也無法移植到社交網(wǎng)絡(luò)中來。傳統(tǒng)算法的時(shí)間復(fù)雜度已經(jīng)優(yōu)化的比較好了，所以我們需要一種利用社交網(wǎng)絡(luò)特點(diǎn)的算法來解決這個(gè)問題。在社交網(wǎng)絡(luò)的眾多特點(diǎn)中，社區(qū)結(jié)構(gòu)特性是近年來學(xué)術(shù)者們研究的熱點(diǎn)。通過社區(qū)檢測(cè)可以將特征相似的節(jié)點(diǎn)聚類到一個(gè)社區(qū)內(nèi)部，這對(duì)理解社交網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)和研究社交網(wǎng)絡(luò)相關(guān)問題提供了指導(dǎo)性的意義。

3、　　本文所做的工作主要是利用社交網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的特點(diǎn)構(gòu)建社區(qū)模型，通過模型減小搜索最優(yōu)路徑的范圍，提高最優(yōu)路徑算法的效率。本文的主要?jiǎng)?chuàng)新點(diǎn)如下：
　　1.提出了一種基于社區(qū)結(jié)構(gòu)的最優(yōu)路徑模型：社區(qū)圖。利用社區(qū)檢測(cè)算法得到的社區(qū)信息，社區(qū)建模成社區(qū)圖的一個(gè)點(diǎn)，社區(qū)內(nèi)的邊忽略，將社區(qū)間最短的邊賦值給對(duì)應(yīng)社區(qū)圖中節(jié)點(diǎn)之間的邊。社區(qū)圖的規(guī)模遠(yuǎn)比原社交網(wǎng)絡(luò)小的多。在進(jìn)行社區(qū)檢測(cè)之前，用網(wǎng)絡(luò)中最長(zhǎng)邊的權(quán)值加上任意正整數(shù)后減去原網(wǎng)絡(luò)邊權(quán)值得到反轉(zhuǎn)

4、網(wǎng)絡(luò)，若原網(wǎng)絡(luò)的邊長(zhǎng)度為0則保持不變，計(jì)算反轉(zhuǎn)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)作為原網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。
　　2.提出了一種使用社區(qū)圖求解最優(yōu)路徑的算法，首先計(jì)算最優(yōu)k社區(qū)路徑，起點(diǎn)為源點(diǎn)所在的社區(qū)，終點(diǎn)為目標(biāo)點(diǎn)所在的社區(qū)。然后對(duì)這些社區(qū)路徑求交集并利用這個(gè)交集重構(gòu)搜索子網(wǎng)絡(luò)，子網(wǎng)絡(luò)的節(jié)點(diǎn)為交集中的節(jié)點(diǎn)，邊為原網(wǎng)絡(luò)中對(duì)應(yīng)節(jié)點(diǎn)之間的邊。最后利用最優(yōu)路徑算法求得最優(yōu)路徑。本文選取了5種真實(shí)社交網(wǎng)絡(luò)對(duì)算法進(jìn)行了驗(yàn)證，選取了兩種評(píng)價(jià)結(jié)果質(zhì)量的指標(biāo)：相對(duì)誤差(ap