基于半監(jiān)督的社團結(jié)構(gòu)發(fā)現(xiàn)方法研究.pdf

1、對現(xiàn)實中各種社會網(wǎng)絡(luò)和復雜網(wǎng)絡(luò)的深入研究表明,通過分析網(wǎng)絡(luò)中的社團與社團之間的關(guān)系,能夠幫助我們更加深入了解網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和功能特性。因此,網(wǎng)絡(luò)的社團結(jié)構(gòu)發(fā)現(xiàn)問題成為研究復雜網(wǎng)絡(luò)的基礎(chǔ)性問題。
　　傳統(tǒng)的社團結(jié)構(gòu)發(fā)現(xiàn)方法僅僅依賴于網(wǎng)絡(luò)的拓撲結(jié)構(gòu),對網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)信息的精確性要求較高,且易受噪音干擾,例如節(jié)點間的錯誤連邊。然而,通過有效利用先驗信息,如個體標簽或成對約束等,能夠抵抗噪音所帶來的干擾。本文將先驗信息引入社團結(jié)構(gòu)發(fā)現(xiàn)算法中

2、,提高社團劃分準確性及抗噪性,主要工作如下:
　　(1)本文提出了基于網(wǎng)絡(luò)結(jié)構(gòu)極值優(yōu)化的半監(jiān)督社團發(fā)現(xiàn)方法—SEO-SS算法。利用先驗信息對局部變量和全局變量進行懲罰或者獎勵的形式來引導社團結(jié)構(gòu)發(fā)現(xiàn)過程,最優(yōu)化目標函數(shù),從而得到網(wǎng)絡(luò)的最優(yōu)社團劃分結(jié)果。此外,SEO-SS方法還對極值優(yōu)化過程進行優(yōu)化,利用拓撲結(jié)構(gòu)來對網(wǎng)絡(luò)進行初始劃分而不是傳統(tǒng)EO算法中的隨機劃分,在時間性能上有了一定提高。相關(guān)網(wǎng)絡(luò)上的實驗表明,相對已有算法,本文提出

3、的SEO-SS算法提高了社團劃分準確度,且在噪音網(wǎng)絡(luò)中也顯示了較好的性能。
　　(2)由于半監(jiān)督社團結(jié)構(gòu)發(fā)現(xiàn)中對先驗信息的準確性要求較高,如果先驗信息存在錯誤或者產(chǎn)生沖突,不僅不會引導社團發(fā)現(xiàn)過程往正確的方向進行,還會帶來負面影響。因此針對先驗信息錯誤或者沖突的情況,提出了PCSEO-SS算法。利用相異性指數(shù)來判斷成對約束先驗信息的類型,從而使先驗信息能夠正確引導社團結(jié)構(gòu)發(fā)現(xiàn)過程。相關(guān)網(wǎng)絡(luò)上的實驗結(jié)果表明,相對其他半監(jiān)督社團發(fā)現(xiàn)算