基于復雜網(wǎng)絡分析的人物關系挖掘.pdf

1、真實世界的復雜系統(tǒng)通?？梢猿橄蟪晒?jié)點和邊構成的網(wǎng)絡拓撲結構。隨著對復雜系統(tǒng)的研究深入，復雜網(wǎng)絡分析方法存在兩方面問題。首先是復雜網(wǎng)絡模型朝著異質(zhì)化、多元化的方向發(fā)展。傳統(tǒng)的復雜網(wǎng)絡拓撲是復雜系統(tǒng)的高度抽象表達。隨著研究深入，網(wǎng)絡的關系異質(zhì)性在網(wǎng)絡研究問題越來越重要，如何對異質(zhì)復雜網(wǎng)絡進行算法分析是一個重要的研究方向。其次是網(wǎng)絡規(guī)模越來越龐大。數(shù)據(jù)量的激增對復雜網(wǎng)絡算法的存儲和計算問題帶來了嚴峻的挑戰(zhàn)，能否從大規(guī)模網(wǎng)絡拓撲提取一個近似的精

2、簡結構是一個重要的難題。
　　為了解決上述問題帶來的挑戰(zhàn)，本文基于連邊模式對復雜網(wǎng)絡進行研究。從現(xiàn)有的研究成果顯示，邊模式有助于研究節(jié)點屬性關系、網(wǎng)絡生成模型、拓撲結構的高階表達等的網(wǎng)絡性質(zhì)。本文利用邊模式的研究方法并結合傳統(tǒng)復雜網(wǎng)絡分析理論，研究了復雜網(wǎng)絡的關系異質(zhì)性問題和核心結構表達問題。本文的主要貢獻如下：
　　1.本文提出了一種基于多層網(wǎng)絡模型的重疊社團發(fā)現(xiàn)算法。本文系統(tǒng)地研究了連邊社團檢測（LCD）算法，這是一種單

3、層網(wǎng)絡下基于連邊關系的重疊社團挖掘算法。本文基于原始算法的缺陷提出了改進算法，并且由于該算法在多層網(wǎng)絡模型的適用性，提出了多層網(wǎng)絡連邊社團檢測（MLCD）算法。該算法可用于異質(zhì)關系的復雜網(wǎng)絡模型。最后利用了社團性能檢測的LFR框架，通過MLCD與主流的Louvain和Infomap社團發(fā)現(xiàn)算法結果進行實驗對比，肯定了本算法的適用性和有效性。
　　2.本文提出了一種復雜網(wǎng)絡核心影響結構提取算法。該算法挖掘網(wǎng)絡中每個節(jié)點鄰域子圖內(nèi)的核

4、心模體實例，然后將其合并構成核心影響結構。不同于傳統(tǒng)核心結構挖掘方法，核心影響結構是一個精簡的網(wǎng)絡子圖，它不僅包含了網(wǎng)絡中的核心節(jié)點，還刻畫了核心節(jié)點對非核心節(jié)點的影響關系。同時，該結構可以很好的體現(xiàn)原始網(wǎng)絡的拓撲特征和尺度特征。該方法適用于網(wǎng)絡參數(shù)估計、可視化分析等方面，同時也可以用于復雜系統(tǒng)的網(wǎng)絡拓撲提取問題。
　　綜上所述，本文以邊模式作為網(wǎng)絡的基本對象，對復雜網(wǎng)絡的關系異質(zhì)性和核心影響問題進行了深入的研究，并且取得了有效的