基于好友相似度的在線社會網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究.pdf

1、“物以類聚,人以群分”,社區(qū)結(jié)構(gòu)是在線社會網(wǎng)絡(luò)最普遍和最重要的拓?fù)鋵傩灾?具有節(jié)點(diǎn)在同一社區(qū)內(nèi)連接緊密,社區(qū)間的節(jié)點(diǎn)連接稀疏的特點(diǎn)。處于同一社區(qū)內(nèi)的節(jié)點(diǎn)可能代表的是實(shí)際網(wǎng)絡(luò)中有共同生活背景或愛好的真實(shí)社會團(tuán)體,有效挖掘出隱藏在在線社會網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)具有重要的理論研究意義和廣泛的應(yīng)用前景,是數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)研究問題。通過對在線社會網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究現(xiàn)狀的分析,現(xiàn)有算法存在時(shí)間復(fù)雜度高或社區(qū)識別精度低的不足,為了快速、準(zhǔn)確地挖掘出隱

2、藏在在線社會網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu),基于三元閉包原則提出了以下兩個(gè)算法:
　　一種基于鄰居節(jié)點(diǎn)相似度的復(fù)雜網(wǎng)絡(luò)局部社區(qū)發(fā)現(xiàn)算法,以同處一社區(qū)概率最大的2個(gè)節(jié)點(diǎn)為初始社區(qū),利用提出的節(jié)點(diǎn)相似度公式作為衡量標(biāo)準(zhǔn)將初始社區(qū)的鄰居節(jié)點(diǎn)不斷加入到初始社區(qū),利用提出的社區(qū)Q值公式作為完成識別局部社區(qū)的依據(jù);與現(xiàn)有的R方法、M方法相比,該算法能夠自動確定局部社區(qū)的大小;針對3個(gè)典型復(fù)雜網(wǎng)絡(luò)并與GN算法、CNM算法相比,實(shí)驗(yàn)結(jié)果表明,該算法識別出的網(wǎng)絡(luò)

3、局部社區(qū)精度更高。
　　基于中心節(jié)點(diǎn)相似度的在線社會網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法,首先將海量用戶連接關(guān)系簡化為中心節(jié)點(diǎn)之間的連接關(guān)系,再應(yīng)用“隨大流”思想劃分各節(jié)點(diǎn)到所屬社區(qū);這樣在識別中心節(jié)點(diǎn)社區(qū)結(jié)構(gòu)時(shí)就減少了很多需要處理的數(shù)據(jù),對大規(guī)模在線社會網(wǎng)絡(luò)的分析起到了化繁為簡的作用。算法僅利用了在線社會網(wǎng)絡(luò)中各節(jié)點(diǎn)的局部特征,其時(shí)間復(fù)雜度較低,適用于大規(guī)模在線社會網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)分析;使用NMI標(biāo)準(zhǔn)來評估該算法的有效性,并與LP算法、CNM算法進(jìn)行比