网络形式背景下的社区划分方法研究

网络社区划分是从社会网络中进行概念认知、模式学习的基础,也是网络背景下机器学习研究的热点问题。为了充分发挥形式概念和网络特征值的双重优势,基于网络形式背景研究网络社区划分问题。首先,将网络结构与节点属性信息相结合给出了网络节点中心度和中心势,使得网络形式背景的网络社区划分综合考虑了网络结构和节点内涵两方面的特征;其次,提出了网络形式背景的网络社区概念,该概念不仅给出了传统形式背景的形式概念,还包含了概念的网络特征值,可以描述该概念在网络中的平均重要度和平均重要度势差;然后,考虑到社会网络划分中多角色与网络有向性的特点,又将有向网络分为单角色网络和双角色网络,运用网络结构与节点属性信息相结合的方法提出了两种网络社区划分算法,并分析了算法的时间复杂度;最后,通过实例说明了上述网络社区划分算法的有效性。所得结论为网络数据挖掘和网络概念认知的进一步研究提供了参考。

基于形式概念分析的社区发现算法

社区发现是复杂网络研究的重要分支。本文将形式概念分析应用与社区发现的研究，通过简化概念格的生成过程，并根据概念之间的相似度进行社区的识别。本算法的优点是无需事先指定社区的个数，而是通过概念间相似度来区别不同概念之间的联系以发现社区。