复杂网络上基于标签传播的社团检测方法研究与应用

作     者：李素丽 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：周红芳;戴建峰

授予年度：2024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 标签传播算法 种子节点 中介中心性 社团检测 

摘      要：随着互联网的快速发展,对复杂网络的研究显得越发重要。复杂网络中的一个重要特征是社团结构,即社团内部连接紧密,而社团之间连接稀疏。挖掘复杂网络中潜在的社团结构成为了许多学者研究的重点,此项研究在现实生活中具有重要意义。它可以帮助用户在蛋白质互作网络中识别蛋白质的相互作用模式,在信息网络中分析流量的分布情况,还可以用于文献推荐和产品推广等领域。基于上述分析,论文将在复杂网络上开展以下研究。 (1)提出一种基于种子节点影响的标签传播算法,用于检测复杂网络中的非重叠社团结构。为了降低标签传播的随机性,论文提出了一种新的种子节点选择策略。该策略不仅考虑了复杂网络的拓扑结构,也考虑了节点的属性特征。然后结合特征信息和节点间的最短路径选出网络中的种子节点。最后,通过种子节点生长策略挖掘复杂网络中的社团结构。将算法在属性数据集和无属性数据集上分别进行了验证,与其他算法相比,该算法在属性数据集上具有明显的优势,更适用于检测带有属性特征的网络结构。 (2)提出一种基于中介中心性的重叠结构检测算法。该方法不仅可以检测社团结构,还可以挖掘网络中的重叠节点。该算法主要包括社团的基础划分和识别重叠节点两部分。首先,按照中介中心性降序顺序,节点轮流担任主节点。主节点接收来自从节点的标签并更新自身的标签集合,然后从新的标签集合中选择权重最大的标签将其记录,重复此过程直到循环结束。最后,遍历节点的记录列表,从中选择出现次数最多的标签作为节点的最终标签。社团基础划分完成后,通过算法提出的判别函数识别网络中的重叠节点。将该算法在真实数据集和人工数据集上分别进行验证,结果表明该算法能够有效的挖掘网络中的重叠节点。 (3)设计并实现基于标签传播的文献推荐系统。该系统由用户子模块,推荐子模块和查询子模块构成,用户可以通过系统查找相关文献。系统也会根据用户的历史浏览记录和文章信息为其推荐相关内容。本系统不仅可以加快读者查找文献的效率,还可以为读者提供个性化推荐服务。因此,该系统在现实生活中具有很重要的意义。