基于EVS相似度的郵件社區(qū)劃分方法研究.pdf

1、近年來，復雜網(wǎng)絡中社區(qū)結(jié)構的發(fā)現(xiàn)及社會關系知識的挖掘，已經(jīng)成為數(shù)據(jù)挖掘領域的研究熱點之一。電子郵件系統(tǒng)中的郵件通信網(wǎng)絡是一種較簡單的社會網(wǎng)絡，其社區(qū)劃分問題本質(zhì)上可以歸結(jié)為稀疏圖的聚類問題。聚類方法的核心是鄰近性度量，因此發(fā)掘新的更加有效的鄰近性度量方法進而提高郵件社區(qū)的劃分質(zhì)量，對以后的垃圾郵件的識別與過濾以及大型復雜網(wǎng)絡的研究，具有非常重要的意義。
　　 本文以網(wǎng)絡社區(qū)為背景，對郵件通信網(wǎng)絡中的社區(qū)進行了重點研究，主要工作如

2、下：
　　 (1)提出了一種新的鄰近性度量方法EVS，用于指導郵件社區(qū)聚類。通過學習和研究各種鄰近性度量方法以及國內(nèi)外復雜網(wǎng)絡社區(qū)挖掘的相關方法，論文將郵件社區(qū)劃分轉(zhuǎn)化為圖的聚類。首先介紹了郵件特征的向量表示形式、構建了郵件特征矩陣。在此基礎上，使用變形后的極值分布函數(shù)模型擬合郵件間通信特征信息，然后在轉(zhuǎn)換后的信息矩陣上構建EVS。
　　 (2)結(jié)合微聚類-宏聚類的技術提出了基于EVS相似度的郵件社區(qū)聚類算法，驗證了EV

3、S的有效性。本文將余弦、皮爾森等經(jīng)典的相似性度量方法引入郵件社區(qū)劃分中，用于進行對比分析，并且從具體郵件社區(qū)的特點來評估郵件社區(qū)的劃分質(zhì)量。
　　 (3)實驗結(jié)果表明，在實際的測試數(shù)據(jù)集上，基于EVS度量的郵件社區(qū)聚類算法比基于余弦、皮爾森相似性的郵件聚類方法更加有效，更能夠發(fā)現(xiàn)高質(zhì)量的社區(qū)。
　　 本文的研究具有很強的實際應用價值，對垃圾郵件的識別與過濾技術的進一步發(fā)展，大型復雜社會網(wǎng)絡的社區(qū)發(fā)掘以及一些商業(yè)應用，都有