基于随机聚类采样算法的复杂网络社团探测

根据网络节点的局部拓扑信息构建稀疏相似网络。基于稀疏相似网络,提出了一种改进后的随机聚类采样算法对网络社团进行探测。在人工和真实网络上,将算法与未改进的随机聚类采样算法以及几种典型的社团探测算法进行了准确率和时间复杂度的比较。实验结果表明,该方法在时间复杂度上具有明显的优势,并且具有较好的准确率。

基于聚类分析的网络论坛社团探测算法

将网络论坛中的社团探测问题转换为聚类分析问题,将模块度函数概念应用到聚类分析的算法中进行社团结构的探测,提出一种结合模块度的模拟退火算法,使用海峡四川钓鱼论坛的实际网络论坛数据验证了算法的有效性.

基于关系层次性的局部社团探测方法

挖掘复杂网络的社团结构对研究复杂系统具有重要的理论和实践意义,局部社团探测是其主要挑战之一。目前对局部社团探测方法的研究甚少,且大多算法精确度过低。对此从关系的层次性考虑,通过节点的相对相似性和一个参数α定义了朋友和最好朋友的概念。给出三个假设,并在此基础上设计了基于关系层次性的局部社团探测算法(HR)。实验表明,HR要优于当前同类算法。最后经分析,发现参数α的最优值与网络的平均相对相似度成正相关。

基于势能背景信息的社团标签探测算法

近年来,社团结构分析已经引起很多领域的关注,一些探测方法也陆续被提出。然而,其中大多数方法只利用了网络拓扑结构,并没有考虑内在的背景信息。基于离散势能理论,提出了一种新的半监督社团探测方法,利用标记节点产生的静电场来确定未标记节点的标签(社团标号)。首先给一定数目的节点赋予用户定义的标签;然后利用稀疏线性方程组计算余下节点的标签,其中每个节点的标签被设定为计算出的最大势能值;最后将该方法与现有算法进行比较。实验结果表明,所提算法在现实世界网络和人工基准网络上都展现了很强的探测能力,特别是在只具有模糊大规模社团结构的情况下,该算法仍然具有很高的准确性。

完全子图的邻域重叠社团结构探测

为了能够更准确地对邻域重叠网络进行社团结构探测,研究人员对基于完全子图的社团探测算法进行了改进。在合并完全子图团簇时,计算每一对完全子图的重叠节点个数,设置合并完全子图的阈值,如果大于阈值,则合并。在处理不在团簇内的其他节点时,采用按照比例系数大小来划分规则进行划分。算法应用于空手道俱乐部和科学家合作网当中,验证算法可以更准确地探测邻域重叠社团结构。

网络自然密度社团结构模块度函数

针对常用的NG模块度存在分辨率限制,不能识别小于一定规模的社团的问题,提出了网络自然密度的定义,用以衡量网络的连接紧密程度,在此基础上构造了密度模块度函数来评估社团结构的划分;进一步分3种情况证明了密度模块度函数,克服了NG模块度函数的分辨率限制问题;最后通过人工网络和经典现实网络验证了密度模块度函数的有效性。

基于社团特性的链路预测算法的研究

链路预测具有重大的应用价值,是复杂网络中的研究热点.本文在随机人工网络、无标度人工网络和真实数据集上,在网络社团结构对链路预测算法的准确性的影响方面进行了大量的实验,实验结果显示链路预测算法的准确性不仅与算法设计的本身有关系,而且与测试算法精确度的网络社团结构密切相关,即链路预测算法准确性随网络社团模块度Q值增加而增加.本研究将为未来链路预测算法的设计和完善提供指导意义,同时也为链路预测中选择合适的预测算法提供指导.

新疆旅游流网络社团组织模式和层级性

基于2005—2022年马蜂窝旅行网数据,构建新疆各旅游要素间旅游者的关系矩阵,借助GN算法、空间级联系统和空间结构理论,探究旅游系统节点的角色定位、社团的组织模式以及层级结构。结果显示:①旅游流网络层级的大、中、小尺度分别可用社团、节点、旅游相关活动表达。②旅游流网络被社团探测算法识别为7个社团,社团内部有双向互动、共生效应、互补关系等类型,反映出旅游目的地不同的空间交互模式和网络中心化程度。③节点角色可划分为核心节点、次核心节点、次边缘节点、边缘节点4种类型,按空间特征将各社团组织模式分为单核心组合型、双核心组合型和多核心组合型,旅游流网络结构清晰、层次分明,各节点在网络中的角色定位明确。

基于动态系统的网络社团线性探测算法

社团探测技术对于理解和分析现实世界网络具有非常重要的意义.本文提出了一种新的动态社团探测算法,利用迭代技术高效而准确地揭示网络中的社团结构.首先引入一种新型的基于离散时间的动态系统,描述社团归属的从随机状态到最优划分的演化轨迹,进一步利用严格的数学分析找出了社团归属收敛到最优的条件.另外,本文还创新性地提出了划分指标函数的一般化形式,通过选择不同的参数,可以引申到几乎所有著名的指标函数.本文算法非常高效,计算复杂度分析显示算法需要的时间与稀疏网络节点的数量呈线性关系.除此之外,为了确定社团的最优数目,本文利用Markov状态转移矩阵及其特征系统给出了具体而严格的求解证明.最后,本文将算法应用到人工网络和实际网络中,结果显示算法不仅具有极高的准确性,还能够揭示很多有用的隐藏信息,如层次结构和社团交互模式等.

基于字典学习的网络社团结构探测算法

复杂网络中的社团结构探测对于理解网络的拓扑结构和功能有重要的意义.本文将字典学习方法应用到社团结构探测问题中,给出一种新的字典学习方法,并将其和其他几种流行的模型与算法作了系统比较.在三种类型的人工数据和来自不同领域的实际数据上的实验结果表明,本文所提出的算法在社团结构探测问题上是非常有效的,具有算法简单、收敛速度快、计算精度高等特点.

中国投入产出网络的产业结构变迁研究

文章研究了2000—2014年中国投入产出网络拓扑性质的变化规律,探测并分析了中国投入产出网络和社团结构的变迁规律。研究表明,"化学和化学产品的生产"产业部门对产业结构稳定性的影响不断加大且发展前景良好,产业部门的出强度中心性与其在国民经济体系中的经济地位成正比关系,第三产业在中国投入产出网络中的地位不断提高。

科学研究前沿探测方法综述

阐述科学研究前沿的含义和特征,从引文分析和主题词两个角度探讨科学研究前沿的探测方法与技术,并分析各种方法的优缺点和应用环境。

基于影响簇选择模型和MCMC采样的社交圈子识别算法

提出一种新的紧密度公式和一种影响簇发现模型,并在此基础上设计基于局部社团探测的采样算法MCMCS_LCD,以及基于MCMCS_LCD的社交圈子自动识别算法SCD_MCMCS_LCD,算法综合考虑局部模块度和节点间紧密度.在真实数据集上的实验表明,SCD_MCMCS_LCD算法在具有较快收敛速度的同时还具有较好的社交圈子识别效果.

非负矩阵分解:模型、算法和应用

近年来,非负矩阵分解模型已经成为数据挖掘领域中最成功的模型之一。该模型能够自动从一组高维向量中提取隐含模式,从而被广泛应用于降维、无监督学习(图像处理、聚类和双聚类等)和预测当中。本文将从它的发展历史、数学表达形式、算法和热点应用等几个层面对非负矩阵分解模型进行综述。简言之,该模型具有较好的可解释性,模型简单,易于理解操作,可拓展性强,该模型和无监督学习领域中其它被广泛采用的模型关系紧密,且有广泛的应用空间,数值表现优异。同时作为一项新兴技术,该模型亦有许多有趣的问题值得进一步深入研究。