基于局部介數的復雜網絡社區(qū)動態(tài)演化研究.pdf

1、網絡技術的快速發(fā)展給人們帶來大量的網絡資源，如何從浩瀚的網絡資源中快速有效的找到所需的資源成為當今學者研究的一個重要課題。學者們研究發(fā)現這些資源之間并不是毫無關聯的，而是存在著某種聯系，即網絡中所呈現出的社區(qū)結構。由于社區(qū)結構是復雜網絡的一個重要特性，所以研究社區(qū)結構不僅有利于人們更好的認識復雜網絡，而且對解決現實世界中的疑難問題有重要的理論和現實意義。
　　 本文首先對復雜網絡度量特性進行了分析，研究了復雜網絡的幾種典型網絡模

2、型，并對社會網絡進行了簡要描述。然后對現有網絡社區(qū)劃分算法進行了分析研究，發(fā)現有些算法在某些特定的網絡中發(fā)現社區(qū)的準確度較高，但是這些算法執(zhí)行時間復雜度也較高，有些算法對處理結構混亂的網絡效果好，但是只適用于具有特定結構的網絡。最后，本文以分析復雜網絡動態(tài)結構為目的提出了兩種算法，即在動態(tài)網絡中發(fā)現非重疊社區(qū)的算法和發(fā)現重疊社區(qū)的算法。復雜網絡的動態(tài)特性使得網絡社區(qū)發(fā)現算法需要加入時間軸信息，以得到網絡社區(qū)發(fā)現結果更加真實。本文首先提出

3、了在動態(tài)網絡中發(fā)現非重疊社區(qū)的算法，該算法是基于GN算法邊介數的思想基礎，同時在計算網絡邊介數的過程中考慮局部計算，在很大程度上改進了算法的時間復雜度。首先，算法對動態(tài)網絡時間軸上的信息進行了整合，井根據社會學經驗將歷史信息進行了信息量衰減，使得到的網絡數據信息更加接近于真實世界的數據信息。其次，根據網絡中邊介數最大的邊是網絡中關鍵邊的特性，利用去除網絡中邊介數最大的邊而得到不連通子圖，這些不連通的子圖成為了一個個的社區(qū)結構。然后，本文

4、在3組數據集上進行了算法驗證，并對結果進行了分析，發(fā)現算法得到的社區(qū)劃分結果是比較正確的。最后，在不同數量級的數據集上，與Framework模型和FacetNet算法進行了時間復雜度的對比，發(fā)現本文算法在處理大數據集的能力上有明顯優(yōu)勢。本文基于網絡中存在一個節(jié)點可能會出現在多個社區(qū)的網絡特征事實，提出了另一種動態(tài)網絡中發(fā)現重疊社區(qū)的算法。該算法是在動態(tài)網絡中發(fā)現非重疊社區(qū)算法的基礎上，對網絡結構特性進行了重新思考，利用復制網絡中分割介數