社交網(wǎng)絡(luò)中的社區(qū)劃分算法的研究與實(shí)現(xiàn).pdf

1、人們在生產(chǎn)、生活中形成的各種關(guān)系組成了社交網(wǎng)絡(luò)，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，在線社交網(wǎng)絡(luò)如微博、朋友網(wǎng)等的規(guī)模有著爆炸式地增長，這給社交網(wǎng)絡(luò)的研究帶來了極大的挑戰(zhàn)。而具有共同屬性或者相同興趣愛好的人更傾向于聚集在一起構(gòu)成社交網(wǎng)絡(luò)中的社區(qū)，正確社區(qū)結(jié)構(gòu)的劃分對了解網(wǎng)絡(luò)結(jié)構(gòu)和分析網(wǎng)絡(luò)特性等有很大的意義。目前關(guān)于社區(qū)結(jié)構(gòu)劃分的研究大多認(rèn)為社區(qū)劃分是確定性的，而現(xiàn)實(shí)的社交網(wǎng)絡(luò)中的節(jié)點(diǎn)屬于哪個(gè)社區(qū)具有不確定性，這樣導(dǎo)致社區(qū)劃分結(jié)果不精確，與實(shí)際網(wǎng)絡(luò)的社區(qū)

2、結(jié)構(gòu)偏差較大。本文采用模糊理論對網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)進(jìn)行劃分，從而很好的解決了這個(gè)問題。
　　 本文的主要工作是通過對網(wǎng)絡(luò)中節(jié)點(diǎn)的模糊性研究，設(shè)計(jì)了兩個(gè)基于模糊理論的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)劃分算法。具體內(nèi)容如下：⑴基于模糊理論的社區(qū)結(jié)構(gòu)劃分的算法。算法以聚類指標(biāo)作為依據(jù)，采用改進(jìn)的K-means算法自適應(yīng)優(yōu)化網(wǎng)絡(luò)中社區(qū)的個(gè)數(shù)k和中心節(jié)點(diǎn)，作為模糊聚類FCM算法的初始條件來劃分社區(qū)結(jié)構(gòu)。通過經(jīng)典社區(qū)網(wǎng)Zachary's Karate Club和海豚

3、關(guān)系網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果表明，該算法劃分結(jié)果與實(shí)際網(wǎng)絡(luò)相符，具有可靠的劃分準(zhǔn)確率。同GN算法、FN算法比較說明算法在模塊度和劃分準(zhǔn)確率上都更好。同時(shí)使用真實(shí)的國外在線社交網(wǎng)絡(luò)—catster.com的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，對其社區(qū)進(jìn)行劃分。結(jié)果說明算法效果良好，具有很強(qiáng)的實(shí)用價(jià)值。⑵基于粒子群算法與模糊理論結(jié)合的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)劃分算法。其基本思想是用粒子群算法計(jì)算網(wǎng)絡(luò)中的最優(yōu)聚類中心和社區(qū)的個(gè)數(shù)，作為模糊聚類FCM算法的初始條件，再進(jìn)行社區(qū)結(jié)構(gòu)的劃分。