基于復(fù)雜網(wǎng)絡(luò)分析的人物關(guān)系挖掘.pdf

1、真實(shí)世界的復(fù)雜系統(tǒng)通常可以抽象成節(jié)點(diǎn)和邊構(gòu)成的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。隨著對(duì)復(fù)雜系統(tǒng)的研究深入，復(fù)雜網(wǎng)絡(luò)分析方法存在兩方面問(wèn)題。首先是復(fù)雜網(wǎng)絡(luò)模型朝著異質(zhì)化、多元化的方向發(fā)展。傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)拓?fù)涫菑?fù)雜系統(tǒng)的高度抽象表達(dá)。隨著研究深入，網(wǎng)絡(luò)的關(guān)系異質(zhì)性在網(wǎng)絡(luò)研究問(wèn)題越來(lái)越重要，如何對(duì)異質(zhì)復(fù)雜網(wǎng)絡(luò)進(jìn)行算法分析是一個(gè)重要的研究方向。其次是網(wǎng)絡(luò)規(guī)模越來(lái)越龐大。數(shù)據(jù)量的激增對(duì)復(fù)雜網(wǎng)絡(luò)算法的存儲(chǔ)和計(jì)算問(wèn)題帶來(lái)了嚴(yán)峻的挑戰(zhàn)，能否從大規(guī)模網(wǎng)絡(luò)拓?fù)涮崛∫粋€(gè)近似的精

2、簡(jiǎn)結(jié)構(gòu)是一個(gè)重要的難題。
　　為了解決上述問(wèn)題帶來(lái)的挑戰(zhàn)，本文基于連邊模式對(duì)復(fù)雜網(wǎng)絡(luò)進(jìn)行研究。從現(xiàn)有的研究成果顯示，邊模式有助于研究節(jié)點(diǎn)屬性關(guān)系、網(wǎng)絡(luò)生成模型、拓?fù)浣Y(jié)構(gòu)的高階表達(dá)等的網(wǎng)絡(luò)性質(zhì)。本文利用邊模式的研究方法并結(jié)合傳統(tǒng)復(fù)雜網(wǎng)絡(luò)分析理論，研究了復(fù)雜網(wǎng)絡(luò)的關(guān)系異質(zhì)性問(wèn)題和核心結(jié)構(gòu)表達(dá)問(wèn)題。本文的主要貢獻(xiàn)如下：
　　1.本文提出了一種基于多層網(wǎng)絡(luò)模型的重疊社團(tuán)發(fā)現(xiàn)算法。本文系統(tǒng)地研究了連邊社團(tuán)檢測(cè)（LCD）算法，這是一種單

3、層網(wǎng)絡(luò)下基于連邊關(guān)系的重疊社團(tuán)挖掘算法。本文基于原始算法的缺陷提出了改進(jìn)算法，并且由于該算法在多層網(wǎng)絡(luò)模型的適用性，提出了多層網(wǎng)絡(luò)連邊社團(tuán)檢測(cè)（MLCD）算法。該算法可用于異質(zhì)關(guān)系的復(fù)雜網(wǎng)絡(luò)模型。最后利用了社團(tuán)性能檢測(cè)的LFR框架，通過(guò)MLCD與主流的Louvain和Infomap社團(tuán)發(fā)現(xiàn)算法結(jié)果進(jìn)行實(shí)驗(yàn)對(duì)比，肯定了本算法的適用性和有效性。
　　2.本文提出了一種復(fù)雜網(wǎng)絡(luò)核心影響結(jié)構(gòu)提取算法。該算法挖掘網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)鄰域子圖內(nèi)的核

4、心模體實(shí)例，然后將其合并構(gòu)成核心影響結(jié)構(gòu)。不同于傳統(tǒng)核心結(jié)構(gòu)挖掘方法，核心影響結(jié)構(gòu)是一個(gè)精簡(jiǎn)的網(wǎng)絡(luò)子圖，它不僅包含了網(wǎng)絡(luò)中的核心節(jié)點(diǎn)，還刻畫(huà)了核心節(jié)點(diǎn)對(duì)非核心節(jié)點(diǎn)的影響關(guān)系。同時(shí)，該結(jié)構(gòu)可以很好的體現(xiàn)原始網(wǎng)絡(luò)的拓?fù)涮卣骱统叨忍卣?。該方法適用于網(wǎng)絡(luò)參數(shù)估計(jì)、可視化分析等方面，同時(shí)也可以用于復(fù)雜系統(tǒng)的網(wǎng)絡(luò)拓?fù)涮崛?wèn)題。
　　綜上所述，本文以邊模式作為網(wǎng)絡(luò)的基本對(duì)象，對(duì)復(fù)雜網(wǎng)絡(luò)的關(guān)系異質(zhì)性和核心影響問(wèn)題進(jìn)行了深入的研究，并且取得了有效的