基于核心节点的网络社区发现方法研究.pdf

《基于核心节点的网络社区发现方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基金项目学术探讨2015年第7期基于核心节点的网络社区发现方法研究张拥华（湖南工业职业技术学院，湖南长沙410208）[摘要]本文充分利用社会网络中存在普适幂律分布的特性，提出了基于核心节点的局部社区发现算法（EALCN），利用改进的PageRank进行节点排序，然后利用网络中的局部信息对局部目标函数进行优化，从初始的种子节点不断优化后获得目标函数，最终获取局部社区，仿真实验表明，该算法利用少量的局部信息便能够比较快速的找出社区结构，具有较高的执行效率。[关键字]社区发现；重叠社区；局部社区中图分类

2、号：TP393文献标识码：A文章编号：1008-6609(2015)07-0039-04于核心节点的局部社区扩张算法EALCN（ExpansionAlgo-1引言rithmbasedonLocalCommunityCoreNodes），并对算法的时随着信息技术的飞速发展，各种开放式的电子商务应用间复杂度进行分析，最后通过仿真实验证明该算法在大多数平台不断涌现，人们之间的沟通越来越多地依赖于虚拟的交高度重叠的社区发现上具有一定的优势，具有一定的可行性。互平台和现代技术手段，虚拟的社会网络开始走进人们的

3、生2问题定义活，并诞生了网络社区的新生事物。对网络社区的数据进行在本文中，网络都被定义成多个局部社区的集合，而局分析、挖掘，揭示数据背后的规律、知识，作为各种不同应用的部社区则是由核心节点以及围绕这个核心节点的一系列的决策支撑成为许多研究人员关注的领域。虚拟的网络社区不节点组成。一个节点是否被纳入到一个社区中则是由适应同于真实世界的社会，网络社区的成员通常存在许多交集，而度函数F来决定，一个局部社区S包含节点n，当且仅当n满且一个成员可能归属于不同的社区，从而存在重叠的现象，匈足F(n)>0。局部社

4、区都是从一个初始节点开始，通过适应牙利的社会科学家Palla通过大量的实验证明重叠社区现象存度函数不断判断社区外的节点是否加入到社区中，从而不断在的普遍性，可以用贴标签的方式来形象地描述重叠社区与壮大社区规模，直到没有合适的节点可以加入社区中。经过非重叠社区的区别，非重叠社区就是社区中的节点只能贴上多次的迭代之后，网络中所有节点便都分配到不同的社区一个标签，表示该节点只能归属于这一个社区，而重叠社区则中。如图1所示，是一个局部社区的例子，图中的网络由几个没有这个限制，社区中任意一个都可以贴上多个标签

5、，表示这结构非常明显的局部社区构成，红色节点表示核心节点，其个节点同时属于这些社区，就好比我们同时加入好多个兴趣具有极大的度数，黑色的节点则是普通成员节点。从图中我圈子，里面有音乐圈子、篮球圈子、运动养生圈子等等。基于们可以很清晰看到重叠社区重叠部分高度重叠的特征，重叠Palla的派系过滤理论的方法有：T.S.Evans的CliqueGraph[1]，的程度通常都是跟初始节点以及适应度函数相关。CPM算法[2]，基于极大子团合并的EAGLE算法[3]。由于网络规模呈不断增加的趋势，在进行社区发现过程

6、中，难以获得网络的全局信息，因此，研究人员提出从网络的局部信息入手进行研究，并设计了基于局部社区的算法，实验证明采用局部社区进行计算的算法能成功获得社区结构，同时，也可以使用在重叠社区与非重叠社区发现工作中，具有重要的实践意义和价值，具有代表性的算法主要包括：基于极大子团扩张的GCE算法[4]、Clauset的LocalModularity方法[5]等。本文将针对传统社区发现算法的不足之处，提出一种基图1一个局部社区的例子——————————————作者简介：张拥华，女，湖南宁乡人，硕士，讲师，研究

7、方向：大数据，云计算。基金项目：湖南省教育厅科学研究项目，题名《云计算环境下的精准营销团购网站关键技术研究》，项目编号：12C1032。-39-学术探讨基金项目2015年第7期张。由无标度网络模型，我们知道网络中的节点大多数度数3基于核心节点的局部社区发现算法是很小的，只有少量的节点的度数很大。那么假设网络中的局部社区的发现大体都是由一个种子节点开始，然后经每一个节点都至少归属于一个社区(独立节点自成一个社过不断地扩张，最终形成一个社区。诸如LFM这些传统的区)，则社区中必定会存在着这样一个核心节点

8、。社区发现算法，通常都是采用随机的方式选取初始节点，这首先，本文对PageRank算法进行改进，使其能够适应无样选出来的节点往往都不是核心节点，这样就会造成算法的向图的节点排序，以找出网络中的潜在核心节点。准确性极低。GCE算法尝试使用网络中的极大子团替代节G=是一个无向加权网络，w表示权重，则任意节点作为种子扩张，但是极大子团的获取需要大量的计算，这点i的PR值为：就使得算法的效率大幅度降低。根据网络节点度的分布特wij(1-c)SiCen(i)=c∑