符號網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究.pdf

1、真實世界的很多復(fù)雜系統(tǒng)都可以用網(wǎng)絡(luò)來刻畫，比如，神經(jīng)網(wǎng)絡(luò)、社會網(wǎng)絡(luò)等都屬于復(fù)雜網(wǎng)絡(luò)。最近幾年，關(guān)于社會網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)在國內(nèi)外掀起了一股熱潮，社會網(wǎng)絡(luò)是指社會成員之間因互動等行為而形成的一種相對穩(wěn)定的關(guān)系體系。這些網(wǎng)絡(luò)通常都具有一個共同的特征社區(qū)結(jié)構(gòu)，社區(qū)結(jié)構(gòu)表現(xiàn)為將網(wǎng)絡(luò)劃分為大小不均的若干個社區(qū)。符號網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)要保住社區(qū)內(nèi)部主要是正連接，社區(qū)之間主要是負連接。本文致力于社會網(wǎng)絡(luò)中符號網(wǎng)絡(luò)的社區(qū)劃分算法研究，提出了適用于符號網(wǎng)絡(luò)及加權(quán)

2、的符號網(wǎng)絡(luò)社區(qū)劃分算法。
　　首先，分析了符號網(wǎng)絡(luò)基本結(jié)構(gòu)特征，對社區(qū)劃分算法分類分析，并深入地分析了幾種經(jīng)典的社區(qū)劃分算法，對其有了充分的認識。
　　其次，針對Tushar Sharma等人提出的加權(quán)符號網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法在第二階段對未聚類節(jié)點再聚類時存在的問題，改進算法對未聚類節(jié)點再聚類時沒有全面考慮鄰居節(jié)點的聚類情況的問題，使用模塊度來評價劃分結(jié)果。
　　再次，針對把算法應(yīng)用于符號網(wǎng)絡(luò)中當(dāng)選擇不同的節(jié)點作為初始節(jié)點