检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

社团挖掘和话题监控的互动模型研究

计算机应用 2009年第3期29卷 908-911页

作者：杨茹陶晓鹏复旦大学计算机科学技术学院上海200433

社团挖掘是Web信息挖掘领域的重要应用,而话题监控是文本信息研究领域的重要应用,目前这两种技术是各自独立的。为更好地应用于互联网形成的复杂社会网络,将这两种技术结合起来研究,发现了社团和话题之间的关系,创建了社团挖掘和话题监... 详细信息

社团挖掘是Web信息挖掘领域的重要应用,而话题监控是文本信息研究领域的重要应用,目前这两种技术是各自独立的。为更好地应用于互联网形成的复杂社会网络,将这两种技术结合起来研究,发现了社团和话题之间的关系,创建了社团挖掘和话题监控的静态和动态互动模型,设计了社团挖掘、话题识别以及社团跟踪算法。

关键词：社团挖掘话题监控互动模型

在线全文

学校读者我要写书评

暂无评论

基于局部信息检测的多粒度社团挖掘方法

计算机科学 2009年第8期36卷 243-246页

作者：朱涛常国岑郭戎潇李项军空军工程大学电讯工程学院西安710077

从复杂性和动态性特征出发,给出了复杂网络局部模块度的定义,并提出了基于局部信息检测的社团发现算法,认为局部模块度值最大的节点集合就是最理想的社团结构。在此基础上提出了多粒度社团挖掘方法,为多视图观察复杂网络结构特征提供了... 详细信息

从复杂性和动态性特征出发,给出了复杂网络局部模块度的定义,并提出了基于局部信息检测的社团发现算法,认为局部模块度值最大的节点集合就是最理想的社团结构。在此基础上提出了多粒度社团挖掘方法,为多视图观察复杂网络结构特征提供了新的研究思路。最后的实验分析表明了方法的有效性和可行性。

关键词：复杂网络社团挖掘局部信息检测多粒度

在线全文

学校读者我要写书评

暂无评论

一种基于链路优化的社团挖掘算法及其应用

计算机应用与软件 2023年第8期40卷 32-37,79页

作者：姚鑫宇肖玉芝赵洪凯青海师范大学计算机学院青海西宁810016 青海省藏文信息处理与机器翻译重点实验室青海西宁810016 藏文信息处理教育部重点实验室青海西宁810016

为了进一步优化Louvain算法在社团挖掘上的质量,使用节点相似度来确定社团初始形状,提出一种基于链路优化的P-L(Priority-Louvain)算法。与经典Louvain算法、GN算法和LPA算法在3个评价准则上进行对比。结果表明,该算法计算效果更好。实... 详细信息

为了进一步优化Louvain算法在社团挖掘上的质量,使用节点相似度来确定社团初始形状,提出一种基于链路优化的P-L(Priority-Louvain)算法。与经典Louvain算法、GN算法和LPA算法在3个评价准则上进行对比。结果表明,该算法计算效果更好。实验构建了基于“用户-App”的两层网络,并对用户使用的App应用进行了社团划分,准确地划分出如爱奇艺、抖音和快手等App应用社团,可为通信行业服务商设计流量套餐提供策略参考信息。

关键词：社团挖掘优化链路 Priority-Louvain算法通信网络

在线全文

学校读者我要写书评

暂无评论

基于节点多关系的社团挖掘算法及其应用

计算机应用 2023年第5期43卷 1489-1496页

作者：周琳肖玉芝刘鹏秦有鹏青海师范大学计算机学院西宁810016 青海省藏文信息处理与机器翻译重点实验室(青海师范大学) 西宁810008 藏文信息处理教育部重点实验室(青海师范大学) 西宁810008

为度量多关系节点相似性、挖掘具有多关系节点的社团结构,提出基于节点多关系的社团挖掘算法LSL-GN。首先基于节点相似性和节点可达性刻画具有多关系的节点相似性度量指标LHN-ISL;然后利用该指标重构目标网络的低密度模型,并结合GN(Girv... 详细信息

为度量多关系节点相似性、挖掘具有多关系节点的社团结构,提出基于节点多关系的社团挖掘算法LSL-GN。首先基于节点相似性和节点可达性刻画具有多关系的节点相似性度量指标LHN-ISL;然后利用该指标重构目标网络的低密度模型,并结合GN(Girvan-Newman)算法完成社团划分。将LSL-GN算法与多个经典社团挖掘算法在模块度(Q)、标准化互信息(NMI)和调整兰德指数(ARI)上进行对比,结果显示LSL-GN算法在3个指标上均优于经典算法,说明它的社团划分质量相对较好。将LSL-GN应用于“用户-应用”的移动漫游网络模型中,划分出了以携程旅行、高德地图、滴滴出行等为基础应用的社团结构,而这些社团划分结果可为设计个性化套餐业务提供策略参考信息。

关键词：社团挖掘社团划分社团检测复杂网络移动漫游网络节点相似性节点可达性

在线全文

学校读者我要写书评

暂无评论

伴随二元关系信息粒粗化的社团挖掘方法

计算机工程与设计 2017年第4期38卷 946-952页

作者：黄瑶邱桃荣刘清余宇婷南昌大学计算机系江西南昌330031

为使社团挖掘的结果更加有效,满足实际需要,研究伴随二元关系的社团挖掘粒度空间模型,给出伴随二元关系的信息粒粗化运算。通过信息粒粗化运算获得满足条件的社团结构,提出基于伴随二元关系的粗化运算的社团结构挖掘方法及相应实现算法... 详细信息

为使社团挖掘的结果更加有效,满足实际需要,研究伴随二元关系的社团挖掘粒度空间模型,给出伴随二元关系的信息粒粗化运算。通过信息粒粗化运算获得满足条件的社团结构,提出基于伴随二元关系的粗化运算的社团结构挖掘方法及相应实现算法。将所提算法与其它经典社团挖掘算法在3个数据集上进行测试和对比分析。测试结果表明了所提算法的有效性。

关键词：社交网络社团挖掘粒计算信息粒信息粒粗化

复杂网络社团挖掘中基于路径的模块性分析方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2016年第4期42卷 173-178页

作者：王文胜杨洪勇鲁东大学信息与电气工程学院山东烟台264025

在复网络社团挖掘过程中,传统的模块性定义依赖网络的邻接矩阵,仅考虑相邻节点间的关系,不能很好地描述真实网络的结构特征。为此,提出一种基于路径的模块性分析方法。根据网络节点间的路径及其概率分布构建模块性矩阵,用于替换传统基... 详细信息

在复网络社团挖掘过程中,传统的模块性定义依赖网络的邻接矩阵,仅考虑相邻节点间的关系,不能很好地描述真实网络的结构特征。为此,提出一种基于路径的模块性分析方法。根据网络节点间的路径及其概率分布构建模块性矩阵,用于替换传统基于边的模块性矩阵(邻接矩阵),得到能反映网络结构的模块性参数,并将其应用于复杂网络的社团挖掘,根据得到的社团结构对节点的标签进行预测。在Flickr数据集上的实验结果表明,与Mod Max,Lable Diffusion和Edge Cluster方法相比,该方法对节点标签的预测性能较好,能更准确地反映网络的社团结构。

关键词：复杂网络路径模块性社团挖掘概率分布支持向量机

基于多元属性的社团挖掘在意见领袖发现中的应用

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2014年第7期31卷 129-132页

作者：申艳光李金伟河北工程大学信息与电气工程学院河北邯郸056038

意见领袖是网络舆论传播中的关键,在舆情分析中有重要意义.采用无向图建模,将链接两端节点的PageRank值与相似度,作为链接的双重属性,通过二次判别式对链接进行主次划分,将整个网络划分为核心与非核心两类用户,并将网络中的大社团进行细... 详细信息

意见领袖是网络舆论传播中的关键,在舆情分析中有重要意义.采用无向图建模,将链接两端节点的PageRank值与相似度,作为链接的双重属性,通过二次判别式对链接进行主次划分,将整个网络划分为核心与非核心两类用户,并将网络中的大社团进行细化,结合细化后的社团跟核心用户的划分结果找出其中相应的子社团中的意见领袖,提出了一种基于二元分类的意见领袖发现算法.

关键词：数据挖掘社团挖掘意见领袖识别机器学习二次判别式

在线全文

学校读者我要写书评

暂无评论

网络社团挖掘算法

计算机应用 2015年第A1期35卷 18-21页

作者：刘启刚孙向阳周丽上海大学悉尼工商学院上海201800

针对K平均(K-means)、期望最大化(EM)等传统聚类算法在网络社团挖掘中存在的聚类结果不合理、容易陷入局部最小值等问题,以最小化社团间的连接权值为优化目标,基于节点间交互次数归一化结果建立节点间的相似矩阵,求出此矩阵对应的拉普... 详细信息

针对K平均(K-means)、期望最大化(EM)等传统聚类算法在网络社团挖掘中存在的聚类结果不合理、容易陷入局部最小值等问题,以最小化社团间的连接权值为优化目标,基于节点间交互次数归一化结果建立节点间的相似矩阵,求出此矩阵对应的拉普拉斯矩阵,以拉普拉斯矩阵的前k个最小特征值对应的特征向量为基建立新的特征空间,将相似矩阵向新的特征空间做投影,在投影后的特征空间中运用K-means算法进行社团挖掘,实现目标函数的最小化。通过仿真实验对比,说明了该基于拉普拉斯矩阵的聚类方法(LMBC)比传统聚类方法更有效地解决聚类节点分布不均衡的问题,及非凸、高维数据集在保持原有几何结构的同时有效降维的问题。LMBC从数据集相似矩阵的角度进行聚类分析,进一步丰富了流形学习的理论与方法,可广泛应用于社交网络分析及图像识别等领域。

关键词：拉普拉斯矩阵聚类 K-means降维社团挖掘

改进的多标签传播算法在重叠社团挖掘中的研究

在线全文

学校读者我要写书评

暂无评论

改进的多标签传播算法在重叠社团挖掘中的研究

作者：饶仁杰西安理工大学

学位级别：硕士

社团结构作为复杂网络的一个重要属性成为复杂网络的重点研究方向,社团结构的挖掘对于深入理解网络的结构及特征有着重要意义,因此准确快速地挖掘出复杂网络中的社团结构是目前复杂网络研究的重中之重。虽然学者们相继提出许多社团挖掘... 详细信息

社团结构作为复杂网络的一个重要属性成为复杂网络的重点研究方向,社团结构的挖掘对于深入理解网络的结构及特征有着重要意义,因此准确快速地挖掘出复杂网络中的社团结构是目前复杂网络研究的重中之重。虽然学者们相继提出许多社团挖掘算法,但是这些算法仅能得到非重叠的社团结构。在真实世界的复杂网络中往往存在着重叠的社团结构,这样非重叠的社团挖掘算法不能准确获取重叠的社团结构,因此对重叠社团的挖掘算法需要进一步研究。多标签传播算法(Community Overlap Propagation Algorithm,COPRA)是在标签传播算法的基础上提出的一种可以用于挖掘重叠社团结构的算法,它继承了标签传播算法的简单、高效的优点,但也延续了标签传播算法的随机性强、鲁棒性差等缺点,针对这些问题,本文提出了一种改进的多标签传播重叠社团挖掘算法,主要工作如下:1.对复杂网络的相关理论和现有的非重叠和重叠社团挖掘算法进行了研究。简述了复杂网络的基本理论知识,介绍了非重叠和重叠社团挖掘算法的研究现状,重点分析了几种非重叠和重叠社团挖掘算法的基本思想和实现步骤,并指出其各自的优缺点。2.针对COPRA算法中采用随机更新顺序问题,通过LeaderRank排序算法对网络中所有节点进行重要性排序从而确定节点的更新顺序,有效减少了标签传播过程中不必要的更新,加快了算法的收敛速度,提高了算法的效率。3.针对COPRA算法中标签更新策略存在随机性造成最后得到的结果稳定性较差,以及需要额外输入参数v的问题,利用节点间相似性和领导标签重新设计了标签的更新策略,使得改进的标签更新策略得到的结果更加稳定,且不需要输入额外的参数。通过在真实网络和人工网络数据集上进行实验分析,结果表明,改进后的多标签传播重叠社团挖掘算法的稳定性更高,得到的社团质量有明显提高。

关键词：复杂网络社团挖掘重叠社团多标签传播算法