面向復雜網(wǎng)絡的社區(qū)發(fā)現(xiàn)算法研究.pdf

1、復雜網(wǎng)絡，其實就是復雜系統(tǒng)的一種抽象，復雜系統(tǒng)中的個體可以看成是網(wǎng)絡中的節(jié)點，而系統(tǒng)中個體之間按照某種規(guī)則而自然形成或人為構(gòu)造的一種關(guān)系就是節(jié)點之間的邊。在現(xiàn)實世界中，復雜網(wǎng)絡真的是處處可見。換言之，許多領域的系統(tǒng)都可以看作是復雜網(wǎng)絡：從科技系統(tǒng)，如WWW和全球交通網(wǎng)絡；到生物系統(tǒng)，如新陳代謝網(wǎng)絡和生態(tài)網(wǎng)絡；再到社會系統(tǒng)，如科學家合作網(wǎng)絡和在線社區(qū)網(wǎng)絡等等。而發(fā)現(xiàn)網(wǎng)絡中的社區(qū)結(jié)構(gòu)即社區(qū)發(fā)現(xiàn)技術(shù)是理解復雜網(wǎng)絡過程中至關(guān)重要的一步，它不僅幫

2、助我們了解該網(wǎng)絡的結(jié)構(gòu)，而且?guī)椭覀兎治鲈摼W(wǎng)絡的特性。社區(qū)發(fā)現(xiàn)技術(shù)同時也廣泛應用在生物學、物理學、計算機圖形學和社會學等領域中。其不僅僅在理論研究方面具有很高的學術(shù)價值，在實際生活中也有著十分重大的實用價值。另外，社區(qū)還可以為用戶提供一些可靠、及時并且有價值的信息。
　　 本文首先介紹了現(xiàn)有的社區(qū)發(fā)現(xiàn)技術(shù)的一些理論知識，然后回顧了一些早期的經(jīng)典社區(qū)發(fā)現(xiàn)算法如Kernighan-Lin算法、譜分析思想以及層次聚類方法中的GN分裂算

3、法和Newman快速凝聚算法，同時還跟蹤了一些近兩三年提出的新算法如Zhenqing Ye等在2008年提出的適應性聚類算法、Andrea Lancichinetti等在2009提出的基于適應度函數(shù)的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法以及Rumi Ghosh等在2010年提出的使用全局影響力度量標準的社區(qū)發(fā)現(xiàn)算法。對于這些算法，我們分析了它們的優(yōu)勢，也指出了其不足，并且還分析了算法的復雜度以及適用范圍等。在理解現(xiàn)有算法的基礎上，我們在本文中提出了兩個新的

4、發(fā)現(xiàn)網(wǎng)絡社區(qū)的有效方法：⑴基于社區(qū)緊密度的快速發(fā)現(xiàn)算法FHACC；⑵隨機游走策略RMS。其中，F(xiàn)HACC算法的提出，是為了解決現(xiàn)有算法的“大計算量，高復雜度而導致的難以應用在大型社會網(wǎng)絡中”的問題。FHACC算法不僅能夠有效地發(fā)現(xiàn)社區(qū)，而且時間復雜度也很低(接近線性)。而RMS算法的提出，有以下幾方面原因：①傳統(tǒng)的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法，只能得到網(wǎng)絡在某個單一層次下的社區(qū)結(jié)構(gòu)，而不能完整地給出網(wǎng)絡在多個層次下的社區(qū)劃分狀況；②使用這些算法來劃

5、分具有重疊社區(qū)結(jié)構(gòu)的網(wǎng)絡時，往往也會顯得力不從心，并且所獲得社區(qū)的質(zhì)量也不是很高；③這些算法都沒有對重疊社區(qū)中具有多重身份的節(jié)點進行定量地分析，這將隱藏一些重要的信息，并且經(jīng)常導致劃分不正確。我們引入的RMS算法不僅可以發(fā)現(xiàn)網(wǎng)絡中的重疊社區(qū)，而且也能發(fā)現(xiàn)網(wǎng)絡在不同層次下的社區(qū)結(jié)構(gòu)。并且我們還引入了社區(qū)傾向性(Community Tendency，簡稱CT)的概念，使我們可以定量地描述重疊社區(qū)，進而發(fā)現(xiàn)網(wǎng)絡中的一些隱藏的重要信息，并且得到