基于结构与属性的复杂网络节点角色识别方法研究

作     者：李婉钰 

作者单位：国防科学技术大学 

学位级别：硕士

导师姓名：黄金才

授予年度：2016年

学科分类：07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：复杂网络 角色识别 拓扑势 奇异值分解 非负矩阵分解 

摘      要：随着复杂网络的研究在理论和实践上的巨大进展,其应用已经涉及社会的方方面面。作为复杂网络中的一个重要研究问题,节点角色的研究逐渐被人们关注。针对节点角色的研究,不仅是研究单个节点的性质,还要研究多个节点之间的关联性、相似性等,复杂网络节点角色的研究在网络动态分析、异常检测、图像处理、生物医学研究、犯罪网络打击、社交媒体的舆论领袖挖掘、谣言传播研究等方面都取得了实际的效果,针对角色这一问题的研究具有很大的应用价值。本文重点研究基于节点结构和属性的角色识别,根据不同的侧重点,提出了不同的角色识别和角色分析方法。(1)提出了基于有向加权拓扑势的静态和动态角色的识别方法:引用拓扑势的概念,应用到有向加权网络中,依据边权值和节点属性构造了节点角色识别分析的衡量指标——有向加权拓扑势。根据节点的出入拓扑势值的差异提出了依据距离划分的静态节点角色识别方法。接着考虑长时间内的节点角色变化情况,从节点角色功能变化和节点角色变化模式两个方面分别分析了时序情况下节点的角色。(2)从节点角色变化的视角进行网络演化分析。以网络的动态性为前提,从节点角色变化的角度具体分析了网络演化过程。分别以出入拓扑势分布、角色分布比例、网络拓扑势熵和节点角色所属概率四个不同侧面分析了网络的演化和演化进程中的重要变化点。(3)本文还着重对在线社会网络的节点角色进行了研究,依据在线社会网络中的海量信息挖掘用户角色类。先对在线社会网络的用户特征量进行了实证分析:以微博网络中的用户数据为对象,针对网络中用户的基本特征量和用户行为,进行了统计分析、相关性分析和实证分析,为下一步构建用户特征向量提供依据。(4)提出了基于SVD-NMF的在线社会网络用户角色识别方法:首先根据特征量分析的结果,结合社会学的诸多概念,构建了用户特征向量和特征矩阵。基于SVD算法对非负矩阵分解的初始化做了优化,提出了分解矩阵秩和初始矩阵的确定方法,并基于SVD-NMF算法提出了对用户角色的划分方法。