基于大規(guī)模復雜網(wǎng)絡的重疊社團檢測算法研究.pdf_第1頁
已閱讀1頁,還剩68頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,由于社交網(wǎng)絡的發(fā)展和大數(shù)據(jù)時代的興起,大規(guī)模復雜網(wǎng)絡社團檢測已成為研究熱點之一。社團檢測作為復雜網(wǎng)絡研究中一項基礎而又重要的工作,旨在挖掘網(wǎng)絡中一組節(jié)點集合,這些集合內部的節(jié)點連接緊密,而集合之間的節(jié)點連接稀疏。然而在現(xiàn)實世界網(wǎng)絡中經(jīng)常存在一些節(jié)點可能會同時屬于多個社團的情況,即重疊社團結構。因此,對重疊社團結構的檢測更加重要且具有應用價值。隨著網(wǎng)絡科學的不斷發(fā)展,許多復雜網(wǎng)絡的規(guī)模甚至包含數(shù)百萬數(shù)量的節(jié)點和數(shù)十億條邊。對如此大

2、規(guī)模的復雜網(wǎng)絡進行重疊社團挖掘一直是該領域內的難點之一?;诖耍疚膶Υ笠?guī)模復雜網(wǎng)絡重疊社團檢測問題進行了深入研究,提出了一種基于弱團滲流思想的重疊社團檢測算法。此外,為了解決數(shù)百萬數(shù)量級的超大規(guī)模復雜網(wǎng)絡重疊社團檢測問題,本文還提出一種基于局部鄰居信息的快速重疊社團檢測算法。這兩種算法均是以檢測大規(guī)模復雜網(wǎng)絡重疊社團結構為目的,相比較其他重疊社團檢測算法,本文所提算法計算效率更快,社團檢測精度更高。
  本文的主要研究工作如下:

3、
  (1)本文提出了一種基于弱團滲流的重疊社團檢測算法。k-團滲流方法是當前最常用的重疊社團檢測算法之一,其基本思想是將社團結構定義為由一系列共享很多節(jié)點的完全連通子圖組成。k-團滲流方法需要檢測網(wǎng)絡中所有k-團(即,k-clique),然而k-團的檢測是NP完全問題,因此基于k-團滲流方法的時間復雜度很高。為了提高重疊社團檢測算法在大規(guī)模復雜網(wǎng)絡上檢測重疊社團的效率和準確性,本文利用網(wǎng)絡中的局部拓撲信息快速挖掘網(wǎng)絡中的弱團。本

4、文將弱團定義為由網(wǎng)絡中兩個關鍵節(jié)點及其公共鄰居組合而成,由于僅僅利用節(jié)點的鄰居信息,因此檢測弱團要比檢測k-團高效很多。同時在滲流過程中,提出新的相似度指標來衡量兩個弱團之間的相似性,并以此來判斷兩個弱團是否應該合并,以提升算法的準確性。在新的相似度指標中不僅考慮了兩個弱團之間共享的節(jié)點數(shù)目還統(tǒng)計了弱團之間邊的連接數(shù)目。在LFR基準數(shù)據(jù)集和真實網(wǎng)絡數(shù)據(jù)集上的實驗結果表明,與現(xiàn)有幾種重疊社團檢測算法相比,基于弱團滲流的重疊社團檢測算法在計

5、算效率和發(fā)現(xiàn)重疊社團質量方面都具有明顯優(yōu)勢。
  (2)本文提出一種基于局部鄰居信息的快速重疊社團檢測算法。隨著社交網(wǎng)絡的興起和互聯(lián)網(wǎng)時代的發(fā)展,目前復雜網(wǎng)絡的規(guī)模變得越來越巨大。為了能夠在數(shù)百萬數(shù)量級這種超大規(guī)模復雜網(wǎng)絡中檢測重疊社團結構,本文提出了一種基于局部鄰居信息的快速重疊社團檢測算法,稱之為OCLN(OverlappingCommunity detection by using Local-Neighborhood in

6、formation)算法。OCLN算法的基本思想在于首先利用網(wǎng)絡中節(jié)點的內部度數(shù)和外部度數(shù)這些局部結構快速擴充社團,隨后根據(jù)社團中每個節(jié)點的局部鄰居信息在該社團中的貢獻度計算節(jié)點的隸屬度指標。從社團中刪除掉一些隸屬度較低的節(jié)點,提高算法的準確性。由于整個算法全部利用網(wǎng)絡的局部結構,因此OCLN算法的時間復雜度為線性,即O(n+m),n為網(wǎng)絡中節(jié)點的數(shù)目,m為邊的數(shù)目。通過對LFR基準網(wǎng)絡和大規(guī)模真實網(wǎng)絡上的實驗分析表明,OCLN算法在算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論