鏈路預測和符號網(wǎng)絡社區(qū)檢測研究.pdf

1、近年來隨著以互聯(lián)網(wǎng)為代表的網(wǎng)絡信息技術(shù)的迅速發(fā)展，人類社會已經(jīng)邁入了復雜網(wǎng)絡時代。在生活中很多復雜的系統(tǒng)可以抽象成復雜網(wǎng)絡，進而轉(zhuǎn)換成圖的形式進行研究，社區(qū)結(jié)構(gòu)作為網(wǎng)絡中的一個重要性質(zhì)，近年來引起了越來越多人的研究。理解網(wǎng)絡的社區(qū)結(jié)構(gòu)，不僅有助于分析網(wǎng)絡的拓撲結(jié)構(gòu)，而且有重要的實用價值，例如在社交網(wǎng)絡中可以找出同屬于一個社區(qū)但沒有連接的用戶，互相推薦為好友。鏈路預測作為復雜網(wǎng)絡與信息科學聯(lián)系起來的重要橋梁之一，受到了越來越多的關(guān)注。鏈路

2、預測的相關(guān)研究不僅能夠推動網(wǎng)絡科學和信息科學理論上的發(fā)展，而且有巨大的實際應用價值，例如可以指導蛋白質(zhì)相互作用實驗、進行在線社交推薦等。然而現(xiàn)在的大多數(shù)鏈路預測算法只考慮了網(wǎng)絡的局部信息或路徑信息，而網(wǎng)絡的社區(qū)結(jié)構(gòu)信息一般很少考慮到。本文中提出了一種考慮網(wǎng)絡社區(qū)結(jié)構(gòu)的基于動力學的鏈路預測算法，進而將這種算法應用到復雜網(wǎng)絡的鏈路預測上，也研究了有符號網(wǎng)絡上的結(jié)構(gòu)信息，提出了一種基于模塊度的改進的有符號網(wǎng)絡社區(qū)檢測算法。本文的主要工作如下：

3、
　　1.為了研究復雜網(wǎng)絡的結(jié)構(gòu)性質(zhì)對鏈路預測結(jié)果的影響，主要是復雜網(wǎng)絡聚類系數(shù)和鏈路預測之間的關(guān)系，分別在不同的網(wǎng)絡模型上進行試驗，實驗結(jié)果表明復雜網(wǎng)絡鏈路預測結(jié)果隨著網(wǎng)絡聚類系數(shù)的增大而提高，在聚類系數(shù)相同的情況下BA網(wǎng)絡越容易預測。
　　2.在Kuramoto模型的基礎上，把連續(xù)的相位微分方程改成離散的相位微分方程，提出了一種基于相位相似度的鏈路預測算法。由于在真實的社會網(wǎng)絡中同一個社區(qū)不存在邊的兩個節(jié)點相位相似度值比

4、較大，而不同社區(qū)之間存在邊的兩個節(jié)點相位的相似度比較小，因此單純的相位相似度的鏈路預測算法效果還是不理想，為了克服這一缺點，本文中把相位的相似度和共同鄰居結(jié)合，即把網(wǎng)絡的社區(qū)結(jié)構(gòu)信息和網(wǎng)絡的局部信息相結(jié)合，提出了一種基于網(wǎng)絡社區(qū)結(jié)構(gòu)的動力學的混合的鏈路預測算法，分別在真實的網(wǎng)絡和人工生成的網(wǎng)絡上進行試驗，并將與已有的鏈路預測算法對比，證明了本文中所提出的方法有效性。
　　3.提出一種符號網(wǎng)絡的社區(qū)檢測算法。在已有符號網(wǎng)絡的模塊度基