论文部分内容阅读
随着信息化的发展,社会网络在人们的日常生活中扮演着越来越重要的角色,社会网络分析不仅仅受到了社会学家的重视,也受到了其他领域学者们的热捧。社会网络由参与者以及参与者之间的联系构成,其中参与者通常会出现聚簇现象,我们将这些簇称之为社区,同一个社区内部参与者具有相似的属性且联系紧密,不同社区之间联系稀疏且其属性各异。社会网络中社区结构的研究具有重要的理论指导意义和实践应用价值,它不仅有利于了解整个网络的功能结构,掌握其内部规律,预测其发展方向；也在电子商务、计算机病毒传播控制等方面起到了重要作用。经过多年发展,大量的社区挖掘策略被提出,通过研究学习我们发现这些策略有很多不足之处：社区挖掘时间复杂度过高、缺少与用户交互以及不能有效的针对不完整社会网络进行社区挖掘,为此本文做了下面三方面的工作。1.为解决现存社区挖掘策略时间复杂度过高、缺少与用户交互等问题。本文讨论了社会网络节点中心度、度的幂律分布等特性,提出了“关键子网络”和“社区框架”的概念,设计了社区框架挖掘算法(Mine the Community Framework, MCF)和社区框架钻取算法(Drill Down the Community Framework, DCF),其中MCF算法用于挖掘社会网络的社区框架,DCF用于对社区框架进行钻取,从不同粒度展现社会网络社区结构；2.为解决现存社区挖掘算法不能有效处理不完整社会网络的问题,讨论了社会网络的传递性以及节点属性相似度,提出了补偿矩阵的概念,设计了构建相对完整社会网络的方法,进而实现了隐藏社区挖掘算法(1mine the hidden community, MHC)。3.通过实验与分析,分别验证了所提出算法的有效性。MCF算法能够在较短时间内挖掘出反映整个网络社区概况的社区框架,社区框架钻取算法可以可控的实现整个网络的社区划分,MHC算法能够有效地处理不完整社会网络挖掘出其隐藏社区。