基于MMSB的加權社交網絡社團發(fā)現算法研究.pdf

1、社交網絡的一個重要特征是具有社團結構,社團結構在宏觀上有助于深入理解網絡的拓撲特性和本質,微觀上有助于探索網絡中用戶的行為特點以及用戶之間的邏輯關系,同時也能發(fā)現信息在網絡中的傳播特性。因此,尋找社交網絡的社團結構也變得尤為重要。
　　早期的社交網絡社團發(fā)現方法大多只能對無權或無向的社交網絡進行非重疊的社團劃分,混合隸屬度隨機塊模型(Mixed Membership Stochastic Block Model, MMSB)社團發(fā)

2、現方法不僅能夠對有向無權網絡進行重疊社團劃分,而且能定量得到節(jié)點在各個社團中的隸屬度,受到廣泛的關注。然而,現有MMSB并不適用于加權網絡,也沒有衡量節(jié)點社團劃分正確性的判斷方法,這在一定程度上限制了其應用范圍。因此本文通過研究現有的社交網絡社團發(fā)現方法,分析各自的優(yōu)點與不足,提出了基于MMSB的有向加權網絡的重疊社團劃分方法。文章的主要工作如下:
　　1)在MMSB的基礎上提出了一種對有向加權社交網絡進行重疊社團劃分方法,稱之為

3、加權混合隸屬度隨機塊模型(Weighted Mixed Membership Stochastic Block Model, WMMSB)社團發(fā)現方法。該方法首先通過建立統(tǒng)計模型來模擬觀測網絡,再利用最大似然準則估計模型中的參數,根據參數,也就是節(jié)點的混合隸屬度,就能夠對網絡進行社團劃分。由于參數的似然函數復雜度極高,傳統(tǒng)的最大似然估計方法無法得到參數的估計值,因此采用變分期望最大值(Variational Expectation Ma

4、ximization, VEM)算法來估計參數。
　　2)提出了針對混合隸屬度隨機塊模型的節(jié)點劃分正確性評判方法。該方法首先通過混合隸屬度得到各個社團對節(jié)點的邊占有量,然后判斷通過邊占有量為節(jié)點選出的社團與混合隸屬度是否一致,若一致就認為該節(jié)點劃分是正確的,否則認為節(jié)點劃分錯誤。
　　3)將WMMSB應用于期刊引用網絡,展示并分析社團劃分結果,通過和基于邊方向信息抽取的社團劃分方法相對比,說明WMMSB不僅能正確劃分社團,還