大型社交網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)技術(shù)研究.pdf

1、隨著科學(xué)和社會發(fā)展，社交網(wǎng)絡(luò)在人們的生活中變得越來越普遍：規(guī)模越來越大、種類越來越多。現(xiàn)有的社區(qū)發(fā)現(xiàn)算法大多還都只針對經(jīng)典的無向網(wǎng)絡(luò)提出，且并未考慮到目前新出現(xiàn)的社交網(wǎng)絡(luò)以及原有社交網(wǎng)絡(luò)中的新特點。為此，本文分別結(jié)合了無向社交網(wǎng)絡(luò)中節(jié)點的社區(qū)選擇行為和有向社交網(wǎng)絡(luò)中的節(jié)點關(guān)注行為提出了兩種新的社區(qū)發(fā)現(xiàn)算法，以提高社區(qū)發(fā)現(xiàn)算法在不同社交網(wǎng)絡(luò)中的適用性。
　　本文首先介紹了社區(qū)發(fā)現(xiàn)領(lǐng)域相關(guān)的研究背景和意義，對目前現(xiàn)有的社區(qū)發(fā)現(xiàn)算法進行

2、了討論。隨后基于無向社交網(wǎng)絡(luò)中節(jié)點的社區(qū)選擇行為提出了吸引力標簽傳播算法Attraction Label Propagation Algorithm（ALPA）。該算法在進行社區(qū)發(fā)現(xiàn)時考慮了節(jié)點在網(wǎng)絡(luò)中的社區(qū)選擇行為，通過保留并更新社區(qū)發(fā)現(xiàn)過程中網(wǎng)絡(luò)中節(jié)點的社區(qū)歸屬情況，不斷地為節(jié)點計算當(dāng)前的吸引力，從而穩(wěn)定標簽傳播行為。實驗證明，吸引力標簽傳播算法擁有比RAK算法、LPAm等傳統(tǒng)標簽傳播算法更好的結(jié)果質(zhì)量和穩(wěn)定性。
　　本文還討

3、論了有向社交網(wǎng)絡(luò)以及其相對無向社交網(wǎng)絡(luò)獨有的特點，包括連接性質(zhì)的多樣性、節(jié)點相似度的多樣性以及社區(qū)結(jié)構(gòu)的多樣性。因為這樣的多樣性，簡單地在有向社交網(wǎng)絡(luò)中使用傳統(tǒng)社區(qū)發(fā)現(xiàn)算法很可能導(dǎo)致社區(qū)內(nèi)部節(jié)點的相似度和信息同步率較低。為了解決這一問題，本文根據(jù)有向社交網(wǎng)絡(luò)中節(jié)點建立連接的目的以及相似度的特點提出了有向社交網(wǎng)絡(luò)中的有向社區(qū)結(jié)構(gòu)。有向社區(qū)結(jié)構(gòu)中的節(jié)點彼此間可能不具有很強的節(jié)點相似度，但擁有很高的信息傳播相似度。為了發(fā)現(xiàn)有向社交網(wǎng)絡(luò)中的有向

4、社區(qū)。本文提出了有向社區(qū)發(fā)現(xiàn)算法Directional Label Propagation Algorithm（DLPA），該算法同樣采用標簽傳播機制，通過使用Directional Influence（DI）算法計算出的節(jié)點全局影響力和借由ALPA方法計算出的節(jié)點局部影響力對網(wǎng)絡(luò)中的節(jié)點進行排序，并通過在標簽傳播的過程中限制標簽傳播的方向來達到發(fā)現(xiàn)有向社區(qū)的目的。實驗證明，DLPA能夠同時適用于有向社交網(wǎng)絡(luò)和無向社交網(wǎng)絡(luò)，其在無向社交