复杂网络的社团划分

复杂网络的社团划分
复杂网络的社团划分

实验三复杂网络的社团划分

a=[0 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0;

1 0 1 1 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 1 0 0 0;

1 1 0 1 0 0 0 1 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0;

1 1 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;

说明:

1、实验目的要写清楚为什么要做这个实验,其目的是什么,做完这个实验要达到什么

结果,实验的注意事项是什么等;

2、实验题目一栏要填写清楚具体的实验题目;

3、实验原理要将实验所涉及的基础理论、算法原理详尽列出;

4、实验内容列出实验的实施方案、步骤、数据准备、算法流程图以及可能用到的实验

设备(硬件和软件);

5、实验结果应包括实验的原始数据、中间结果及最终结果,复杂的结果可用表格或图

形形式实现,较为简单的结果可以与实验结果分析合并出现;

6、实验结果分析要对实验的结果进行认真的分析,进一步明确实验所涉及的算法的优

缺点和使用范围,要求实验结果应能在计算机上实现或演示,由实验者独立编程实现,程序清单以附录的形式给出;

7、报告填写用“宋体”(小四)格式字体。

基于复杂网络的社团结构分析_以四川大学蓝色星空为例

技术与市场 第16卷第12期2009年 1.引言 目前,国内对虚拟论坛的社区结构有一定的研究,张瑜通过实证分析证实了公社社会类型、科层社会类型和广场社会类型这三种类型的交往场域在BBS网络空间中的存在性,并分析了各类交往场域的特点,探讨了不同类型交往场域的形成机制。宫辉和徐渝利用社会网络矩阵分析法对网络虚拟社区中信息传播模式进行分析,概括出网络虚拟社区群体的基本特征。余兰则对大学生在BBS交往中的网络角色进行了研究。彭小川和毛晓丹运用社群图和矩阵法对网络社会群体进行了分析,概括出BBS群体的基本特征,并对群体中成员地位的形成、意见领袖的特点和群体内部人际交往的特征进行了探讨。王海明和韩瑞霞则在2004年发表了对国内BBS研究现状的述评文章。 从目前国内研究的情况看来,许多的研究已经开始使用社会网络的方法对论坛数据进行分析。尽管国内外学者作了大量研究,但是大部分都是从传播学、社会学以及心理学的某一角度进行研究,分析手段的限制使得大部分研究仍停留在定性阶段,所得到的结论说服力不强。因此,我们将采用复杂网络的方法,通过对蓝色星空数据进行研究和分析,包括两个阶段:1)建立复杂网络模型;2)对该模型进行分析,找出该网络的基本统计数据,包括度分布、聚集系数和平均路径长度等。 2.复杂网络 2.1网络定义 网络已成为各学科领域重要的分析工具和研究手段。网络是由许多节点与连接节点的边组成,其中节点代表系统中不同的个体,边则表示个体间的关系;两个节点之间具有特定的关系则连一条边,有边相连的两个节点被看作是相邻的。比如计算机网络可以看作是自主工作的计算机通过各种物理介质与通信协议相互连接得到的网络。 2.2复杂网络 网络模型包括规则网络、随机网络和复杂网络。随机网络首先由Erdos和Rényi引入,是概率方法与传统图论相结合的网络,着重于网络的随机性。而科学家们发现大量的真实系统的网络模型既不是随机网络,也不是规则网络,却是介于随机网络和规则网络之间的复杂网络。1998年Watts和Strogatz表明大量真实网络都具有小世界效应;1999年Barabasi和Albert指出许多现实世界中的大量网络具有无标度网络(scale-free)的特性—— —无尺度特征、脆弱性和抗毁性。无尺度特性刻画了复杂网络的不均匀复杂性,即大部分结点只有少数连接,少数结点拥有大量连接。脆弱性与抗毁性并存从另一方面反映无尺度特性。Albert等人的研究表明,无标度网络比随机网络具有更强的抗毁性,但是对于选择性攻击抗攻击能力较差,5%的核心结点被攻击,网络就基本瘫痪。 复杂网络的研究可以简单概括为三方面密切相关却又依次深入的内容:通过实证方法度量网络的统计性质;构建相应的网络模型来理解这些统计性质何以如此;在已知网络结构特征及其形成规则的基础上,预测网络系统的行为。 2.3复杂网络的主要统计参数 2.3.1度和度的分布 一个节点与其它节点相连的边数称为该节点的度,度是描述网络局部特性的基本参数。节点度分布是指网络中度为k的节点的概率p(k)随节点度k的变化规律。节点度的分布函数反映了网络系统的宏观统计特征,理论上利用度的分布可以计算出其它表征全局特征参数的量化行为。 2.3.2平均路径长度 网络中两个节点i和j之间的距离dij定义为连接这两个节点的最短路径上的边数。网络中任意两个节点之间的距离的最大值称为网络的直径,记为D,即 D=max i,j d ij 网络的平均路径长度L定义为任意两个节点之间的距离的平均值,即 L=1 1 2 N(N-1) ∑i≥j d ij其中,N为网络节点数。 2.3.3聚集系数C 在有N个节点的网络中,若第i个节点的度为k i ,由这k i个邻 基于复杂网络的社团结构分析 —— —以四川大学蓝色星空为例 陈志翔 四川大学计算机学院成都610041 摘要:随着我国计算机和网络的普及,网络社团、尤其是BBS,在人们日常生活中发挥着巨大的作用,国内目前对BBS 的社团结构进行定量分析的研究不多。本文通过对基于四川大学蓝色星空ID间相互回帖关系所构建的复杂网络模型的 研究,构造仿真实验,找出该网络的基本统计数据。 关键词:复杂网络社团结构BBS网络建模 doi:10.3969/j.issn.1006-8554.2009.12.029 专题研究 41

复杂网络的局部社团结构挖掘算法

第40卷第5期自动化学报Vol.40,No.5 2014年5月ACTA AUTOMATICA SINICA May,2014 复杂网络的局部社团结构挖掘算法 袁超1柴毅1,2 摘要挖掘复杂网络的社团结构对研究复杂系统具有重要的理论和实践意义.其中,相较于全局社团,局部社团的挖掘难度更大,相关文献更少.现有的局部社团挖掘算法大都精度较低、稳定性较差.本文提出了一个有效的局部社团挖掘算法,称为内外夹推法(Shell interception and core expansion,SICE).算法有两个创新之处:1)将节点相似度模型引入到局部社团挖掘算法中(节点相似度模型在局部社团挖掘中较难应用),并提出了“一次一个子图”的社团扩展模式;2)提出了一种“内外夹推”的思想.这两个创新使SICE算法摆脱了缺乏网络全局信息的困扰,并解决了以往算法的一个致命缺陷,从而使算法具有很高的精度和稳定性.通过理论分析和实验比较,证明SICE算法要远好于当前的同类算法,甚至不逊色于性能较好的全局社团挖掘算法. 关键词复杂网络,局部社团,数据挖掘,聚类 引用格式袁超,柴毅.复杂网络的局部社团结构挖掘算法.自动化学报,2014,40(5):921?934 DOI10.3724/SP.J.1004.2014.00921 Method for Local Community Mining in the Complex Networks YUAN Chao1CHAI Yi1,2 Abstract Community structure detection bears both theoretical and practical signi?cance for the study of complex sys-tems.Generally speaking,the local community detection is relatively a more di?cult problem than the global community detection.So up to now,the related researches are still slow progress.And there are many defects existing in the previous local community detection algorithms,such as low precision and poor stability.In this paper,a local community detection algorithm,which is called shell interception and core expansion(SICE),has been proposed.There are two innovations in this algorithm:1)A node similarity model is introduced into this algorithm,and a community expansion mode“one sub-graph at a time”is proposed;2)An e?ective method which is named“shell interception and core expansion”is proposed. By these two innovations,the SICE algorithm has solved the problem of missing global network information,and avoided a fatal weakness of the previous algorithms.Theoretical analysis and experiments all illustrate that the SICE algorithm has high precision and stability,and it outperforms the previous algorithms. Key words Complex network,local community structure,data mining,clustering Citation Yuan Chao,Chai Yi.Method for local community mining in the complex networks.Acta Automatica Sinica, 2014,40(5):921?934 复杂网络分析是当前最重要的多学科交叉研究领域之一[1].社团结构挖掘则是复杂网络研究中的重要内容,对网络的结构特性和动力学特性分析具有重要帮助.此外,社团结构挖掘在许多工程领域中也有重要的应用,如图像分割领域[2?3]、互联网领域[4]等.近年来,不同领域的学者提出了许多有效的社团挖掘算法.如传统的全局社团挖掘算法 收稿日期2013-03-26录用日期2013-08-13 Manuscript received March26,2013;accepted August13,2013国家自然科学基金(61374135)资助 Supported by National Natural Science Foundation of China (61374135) 本文责任编委吕金虎 Recommended by Associate Editor LV Jin-Hu 1.重庆大学自动化学院重庆400044 2.重庆大学输配电装备及系统安全与新技术国家重点实验室重庆400044 1.School of Automation,Chongqing University,Chongqing 400044 2.State Key Laboratory of Power Transmission Equip-ment and System Security and New Technology,Chongqing Uni-versity,Chongqing400044(包括非重叠社团挖掘算法[5?9]和重叠社团挖掘算法[10?11])、演化网络的社团挖掘算法[12?13]以及局部社团挖掘算法[14?18]等. 现实世界中,对于像互联网这样的大规模复杂网络,通常只能获取其局部信息,很难获取其全局信息.这样,许多传统的全局社团挖掘算法就很难在这些网络上应用.另外,许多情况下我们也只需要挖掘某个或者某些节点所属的社团结构,并不需要探测整个网络的社团结构.因此,有必要设计出高效的局部社团挖掘算法.然而,由于只能得到网络的局部信息,局部社团的挖掘难度比全局社团的挖掘难度更大.目前,这方面的典型算法并不是很多.其中,Clauset提出了一个基于R值的局部社团挖掘算法[14].该算法首先定义了一个局部模块度R,然后,采用贪婪算法的思想,迭代地添加使R值增加最大的邻居节点,直到局部社团达到预先定义的规模.其中,局部模块度R值的定义如下:

相关文档
最新文档