论文部分内容阅读
社区发现作为复杂网络研究的重要手段,近年来得到了快速发展。对复杂网络进行社区发现不仅可以帮助人们了解网络的组织结构,还可以挖掘出大量的隐藏信息。这些信息可以被用在数据组织、电子商务、个性化推荐等实际应用中。如何从大规模复杂网络中快速准确的识别社区存在着很大的难度。作者协作网络是一种社会网络,对作者领域的划分可以通过对作者协作网络进行社区发现来实现,然而,如何保证社区发现后得到的作者领域具有现实意义也是一个值得讨论的问题。针对以上问题,本文主要研究以下几个方面:(1)本文首先介绍了社区发现的研究现状,并对已有的几种社区发现算法的优缺点进行了详细分析比较。(2)提出一种基于节点社区贡献度的局部社区发现算法。该算法适用于大规模的网络,与已有局部社区发现算法相比,该算法提高了准确性,克服了对初始节点选择敏感的缺点,最后还可以避免分辨率局限问题。(3)提出一种混合的重叠社区发现算法。该算法由两个部分组成:节点分裂和社区发现。改进的节点分裂过程降低了算法时间复杂度,然后结合前面提出的局部社区发现算法实现了重叠社区的发现。(4)混合重叠社区发现在DBLP作者领域划分中的应用研究。根据DBLP数据集构建作者协作网络,使用前面提出的社区发现方法寻找与指定作者相同的所有作者领域,从而实现作者领域划分。本文还对文中提出的算法在多个数据集上进行了实验,通过对实验结果的分析证明了算法的有效性。最后将算法应用到DBLP作者领域划分证明了算法是有实际意义的。