符號網(wǎng)絡(luò)局部社區(qū)發(fā)現(xiàn)算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，各種網(wǎng)絡(luò)應(yīng)用平臺逐步滲入到人們的學習和生活中。符號網(wǎng)絡(luò)作為復(fù)雜網(wǎng)絡(luò)系統(tǒng)的一個分支，其生成的數(shù)據(jù)規(guī)模越來越大，如何快速而有效地從中挖掘出有價值的信息變得尤為重要。社區(qū)發(fā)現(xiàn)是復(fù)雜網(wǎng)絡(luò)領(lǐng)域研究的基礎(chǔ)，個性化推薦、特征用戶分析等研究及應(yīng)用都依賴于社區(qū)發(fā)現(xiàn)。
　　符號網(wǎng)絡(luò)局部社區(qū)發(fā)現(xiàn)亟待解決的問題是如何提高社區(qū)識別的精度以及社區(qū)發(fā)現(xiàn)算法的穩(wěn)定性，本文在分析了局部社區(qū)發(fā)現(xiàn)研究現(xiàn)狀基礎(chǔ)上，根據(jù)存在的問題進行如下研究：

2、>　　首先，針對分兩階段處理算法中因為部分負邊信息被忽略導(dǎo)致的社區(qū)識別精度不高的問題，引入節(jié)點貢獻度和干擾度的概念，結(jié)合節(jié)點鏈接符號和鏈接密度，綜合考慮節(jié)點在參與社區(qū)形成時在社區(qū)中的參與程度，調(diào)整節(jié)點的訪問順序，提出了基于兩階段融合的社區(qū)發(fā)現(xiàn)算法TFA。
　　其次，針對算法因隨機選取初始節(jié)點而引起算法穩(wěn)定性不高的問題，結(jié)合節(jié)點及其鄰居的屬性信息和符號網(wǎng)絡(luò)結(jié)構(gòu)平衡理論，利用節(jié)點影響力和集聚系數(shù)，提出了新的初始節(jié)點選取策略；在此基礎(chǔ)上