基于核心成員識(shí)別的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)及跟蹤方法.pdf

1、社會(huì)網(wǎng)絡(luò)是由個(gè)人或組織以及它們之間的聯(lián)系所構(gòu)成的集合，社會(huì)網(wǎng)絡(luò)一般都會(huì)呈現(xiàn)高度的社區(qū)性，這是社會(huì)網(wǎng)絡(luò)與隨機(jī)網(wǎng)絡(luò)的最大不同。近幾年隨著互聯(lián)網(wǎng)和社會(huì)網(wǎng)絡(luò)網(wǎng)站的飛速發(fā)展，大規(guī)模的社會(huì)網(wǎng)絡(luò)逐漸成為研究的熱點(diǎn)。目前社區(qū)發(fā)現(xiàn)技術(shù)已經(jīng)日趨成熟，但是目前的社區(qū)發(fā)現(xiàn)算法多半無法適應(yīng)大規(guī)模的社區(qū)網(wǎng)絡(luò)。
　　主要工作是研究目前一些社區(qū)發(fā)現(xiàn)算法的效果及遇到的主要問題，提出一種基于核心成員的社區(qū)發(fā)現(xiàn)及演變過程追蹤模型，通過進(jìn)行相關(guān)實(shí)驗(yàn)及比對(duì)實(shí)驗(yàn)，分析模型的

2、正確性。取得了以下幾個(gè)方面的研究成果：
　　(1)提出一種基于核心成員的社區(qū)發(fā)現(xiàn)算法。首先找出網(wǎng)絡(luò)中的核心成員，然后將與核心成員聯(lián)系緊密的非核心成員劃分到核心成員所在社區(qū)，最后使用Average linkage算法對(duì)初始社區(qū)劃分結(jié)果進(jìn)行合并，得到最終社區(qū)劃分結(jié)果。本文提出算法可以通過調(diào)節(jié)閾值控制社區(qū)發(fā)現(xiàn)時(shí)間，閾值和社區(qū)發(fā)現(xiàn)的精度成反比，閾值大則社區(qū)發(fā)現(xiàn)的速度快，社區(qū)發(fā)現(xiàn)的精度低，閾值小則社區(qū)發(fā)現(xiàn)的速度慢，社區(qū)發(fā)現(xiàn)的精度高。

3、　　(2)分析網(wǎng)絡(luò)社區(qū)的動(dòng)態(tài)特性。一是大的社區(qū)將存在較長的時(shí)間；二是大的社區(qū)成員穩(wěn)定度低，大部分的成員只連續(xù)存在一到兩個(gè)時(shí)刻，只有小部分核心成員有較長的生命周期。
　　(3)提出一種基于核心成員的演變追蹤模型。在社區(qū)發(fā)現(xiàn)的基礎(chǔ)上，結(jié)合社區(qū)的時(shí)間特征追蹤社區(qū)的演變狀況。通過實(shí)驗(yàn)驗(yàn)證社區(qū)演變追蹤算法的有效性并分析社區(qū)演變的原因。
　　實(shí)驗(yàn)證明我們的算法可以快速的發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)中存在的社區(qū)，同時(shí)本文提出的模型有效利用社區(qū)中核心點(diǎn)來為