符號網絡局部社區(qū)發(fā)現算法的研究.pdf

1、隨著互聯網的迅猛發(fā)展，各種網絡應用平臺逐步滲入到人們的學習和生活中。符號網絡作為復雜網絡系統(tǒng)的一個分支，其生成的數據規(guī)模越來越大，如何快速而有效地從中挖掘出有價值的信息變得尤為重要。社區(qū)發(fā)現是復雜網絡領域研究的基礎，個性化推薦、特征用戶分析等研究及應用都依賴于社區(qū)發(fā)現。
　　符號網絡局部社區(qū)發(fā)現亟待解決的問題是如何提高社區(qū)識別的精度以及社區(qū)發(fā)現算法的穩(wěn)定性，本文在分析了局部社區(qū)發(fā)現研究現狀基礎上，根據存在的問題進行如下研究：

2、>　　首先，針對分兩階段處理算法中因為部分負邊信息被忽略導致的社區(qū)識別精度不高的問題，引入節(jié)點貢獻度和干擾度的概念，結合節(jié)點鏈接符號和鏈接密度，綜合考慮節(jié)點在參與社區(qū)形成時在社區(qū)中的參與程度，調整節(jié)點的訪問順序，提出了基于兩階段融合的社區(qū)發(fā)現算法TFA。
　　其次，針對算法因隨機選取初始節(jié)點而引起算法穩(wěn)定性不高的問題，結合節(jié)點及其鄰居的屬性信息和符號網絡結構平衡理論，利用節(jié)點影響力和集聚系數，提出了新的初始節(jié)點選取策略；在此基礎上