混合重疊社區(qū)發(fā)現(xiàn)研究及應(yīng)用.pdf

1、社區(qū)發(fā)現(xiàn)作為復(fù)雜網(wǎng)絡(luò)研究的重要手段，近年來得到了快速發(fā)展。對復(fù)雜網(wǎng)絡(luò)進(jìn)行社區(qū)發(fā)現(xiàn)不僅可以幫助人們了解網(wǎng)絡(luò)的組織結(jié)構(gòu)，還可以挖掘出大量的隱藏信息。這些信息可以被用在數(shù)據(jù)組織、電子商務(wù)、個性化推薦等實際應(yīng)用中。如何從大規(guī)模復(fù)雜網(wǎng)絡(luò)中快速準(zhǔn)確的識別社區(qū)存在著很大的難度。
　　 作者協(xié)作網(wǎng)絡(luò)是一種社會網(wǎng)絡(luò)，對作者領(lǐng)域的劃分可以通過對作者協(xié)作網(wǎng)絡(luò)進(jìn)行社區(qū)發(fā)現(xiàn)來實現(xiàn)，然而，如何保證社區(qū)發(fā)現(xiàn)后得到的作者領(lǐng)域具有現(xiàn)實意義也是一個值得討論的問題。

2、
　　 針對以上問題，本文主要研究以下幾個方面：
　　 (1)本文首先介紹了社區(qū)發(fā)現(xiàn)的研究現(xiàn)狀，并對已有的幾種社區(qū)發(fā)現(xiàn)算法的優(yōu)缺點進(jìn)行了詳細(xì)分析比較。
　　 (2)提出一種基于節(jié)點社區(qū)貢獻(xiàn)度的局部社區(qū)發(fā)現(xiàn)算法。該算法適用于大規(guī)模的網(wǎng)絡(luò)，與已有局部社區(qū)發(fā)現(xiàn)算法相比，該算法提高了準(zhǔn)確性，克服了對初始節(jié)點選擇敏感的缺點，最后還可以避免分辨率局限問題。
　　 (3)提出一種混合的重疊社區(qū)發(fā)現(xiàn)算法。該算法由兩個部分

3、組成：節(jié)點分裂和社區(qū)發(fā)現(xiàn)。改進(jìn)的節(jié)點分裂過程降低了算法時間復(fù)雜度，然后結(jié)合前面提出的局部社區(qū)發(fā)現(xiàn)算法實現(xiàn)了重疊社區(qū)的發(fā)現(xiàn)。
　　 (4)混合重疊社區(qū)發(fā)現(xiàn)在DBLP作者領(lǐng)域劃分中的應(yīng)用研究。根據(jù)DBLP數(shù)據(jù)集構(gòu)建作者協(xié)作網(wǎng)絡(luò)，使用前面提出的社區(qū)發(fā)現(xiàn)方法尋找與指定作者相同的所有作者領(lǐng)域，從而實現(xiàn)作者領(lǐng)域劃分。
　　 本文還對文中提出的算法在多個數(shù)據(jù)集上進(jìn)行了實驗，通過對實驗結(jié)果的分析證明了算法的有效性。最后將算法應(yīng)用到DBL