论文部分内容阅读
社会关系网络承载着人们在生产生活中形成的各种关系,随着互联网的发展,这种社会关系逐渐渗入到网络系统中,形成了复杂网络。复杂网络是人们的各种社会关系在网络中的体现,是复杂系统的高度抽象。突现是复杂网络中普遍存在的现象,为研究复杂性提供了全新的视角。社区不仅是网络的缩影,而且是理解网络结构和分析网络性质的基础。互联网的快速发展促使博客成为一种新型的网络交流方式,形成各种有向复杂关系网络,这些网络中的社区结构和社区划分算法尚待研究。
本文以科学网博客社区为研究对象,从有向网络的角度展开工作,以突现计算的思想研究其中的社区结构。首先,针对传统算法中存在的不足,考虑边的方向性造成的影响,本文引入入度影响因子、出度影响因子,用有向带权度计算网络中的核心节点,以此核心节点为中心展开社区划分的研究。然后,以科学网博客的评论关系构建有向加权网络。通过多组实验统计选取合适的算法参数。由于社区节点的微观作用产生宏观的整体特性,具体表现为网络结构从“有序”到“无序”再到“稳定有序”的状态,而标准结构熵是网络结构的度量,当网络结构趋于稳定后,突现出了比较稳定的社区结构,因此选用标准结构熵来衡量社区划分的效果。最后,从算法复杂度和划分效果等角度进行实验对比。实验结果表明,本算法复杂度低,适合较大规模网络的社区发现研究且划分结果与标准结构熵吻合;考虑了边的方向信息,适合有向加权网络的社区划分研究。