基于用戶節(jié)點(diǎn)相似度的局部社團(tuán)挖掘算法的研究.pdf

1、社團(tuán)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)非常重要的特征之一。表示人與人之間關(guān)系的社交網(wǎng)絡(luò)、因特網(wǎng)、科學(xué)家之間合作的引文網(wǎng)絡(luò)、物種捕食關(guān)系的食物鏈網(wǎng)絡(luò)等等都是復(fù)雜網(wǎng)絡(luò)的典型代表。近些年，社交網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的挖掘受到越來越多的人的關(guān)注。傳統(tǒng)的社團(tuán)挖掘方法往往關(guān)注于整個(gè)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)，這樣帶來的問題往往是復(fù)雜度較高。隨著網(wǎng)絡(luò)的規(guī)模不斷的擴(kuò)大，運(yùn)用傳統(tǒng)的從全局角度出發(fā)挖掘社團(tuán)結(jié)構(gòu)的算法所帶來的計(jì)算復(fù)雜度高的問題越來越突出，成為社團(tuán)挖掘面臨的瓶頸，與此同時(shí)對于類似于萬維

2、網(wǎng)這樣規(guī)模巨大并且動態(tài)變化的網(wǎng)絡(luò)，上述方法的可行性和意義有待討論。
　　基于以上問題，局部社團(tuán)結(jié)構(gòu)挖掘算法的研究就顯得尤為重要。所謂局部社團(tuán)結(jié)構(gòu)挖掘是從某個(gè)點(diǎn)或者與該點(diǎn)關(guān)聯(lián)性比較大的點(diǎn)出發(fā)，挖掘出局部社團(tuán)的結(jié)構(gòu)。在現(xiàn)實(shí)世界中，由于存在巨大的社交網(wǎng)絡(luò)，人們往往更關(guān)注局部具有代表性的節(jié)點(diǎn)所屬的社區(qū)。例如通常情況下，大多數(shù)人只是關(guān)注社交網(wǎng)絡(luò)中某個(gè)他們感興趣的人所在的社團(tuán)結(jié)構(gòu)，或者在萬維網(wǎng)中某些特別的網(wǎng)站所在的局部社團(tuán)結(jié)構(gòu)。
　　本

3、文提出一種局部社團(tuán)挖掘算法，該算法是一種基于用戶節(jié)點(diǎn)相似度的局部社團(tuán)挖掘算法，通過對算法進(jìn)行復(fù)雜度分析以及實(shí)驗(yàn)對比，可以得到本文算法在保證較高準(zhǔn)確度的情況下，同時(shí)保證較低的復(fù)雜度的結(jié)論。本文主要工作和創(chuàng)新點(diǎn)包括以下幾方面內(nèi)容：
　　第一，通過尋找待挖掘節(jié)點(diǎn)的局部中心節(jié)點(diǎn)，進(jìn)而從局部中心節(jié)點(diǎn)出發(fā)進(jìn)行局部社團(tuán)挖掘，同時(shí)把用戶節(jié)點(diǎn)相似度作為往社團(tuán)中添加節(jié)點(diǎn)的依據(jù)，降低了算法的時(shí)間復(fù)雜度，時(shí)間復(fù)雜度降為O(kd2)。
　　第二，算法