标签传播算法改进方法的研究与实现

摘要

在我们日常生活中，有着许多不同的网络，例如人和人之间的关系网络，贸易网络，交通网络等等。在现实生活中有各种各样的网络。对这些网络进行社区发现具有极大的意义，如在人际关系网中，可以发现出具有不同兴趣、背景的社会团体，方便进行不同的宣传策略；在交易网中，不同的社区代表不同购买力的客户群体，方便为他们推荐合适的商品；在资金网络中，社区有可能是潜在的洗钱团伙、刷钻联盟，方便安全部门进行相应处理；在相似店铺网络中，社区发现可以检测出商帮、价格联盟等，对商家进行指导等等。对于社交网络进行社团挖掘具有重要的应用场景。
　　本文主要研究如何提高标签传播算法的稳定性和准确性。提出了二社团结构作为标签传播算法的起点，从而有效地限制了标签在社团之间的传播，提高标签算法的准确性和稳定性。同时为了更加充分地利用先验知识，本文提出了基于核社团的先验知识利用方法，更加充分地利用先验知识，从而使得社团结构更加明显。本文综合标签传播限制策略以及利用先验知识方法，提出了基于传播限制的标签传播算法。
　　基于传播限制的标签传播方法对人工网络，Football以及Zachary的数据集进行了验证分析。通过试验结果发现，相对于原始标签传播算法，采用二社团结构后能够有效地限制标签在社团之间的传播。对于结构明显的社团，两种方法具有相同的性能。在社团结构不明显时，基于传播限制的标签传播算法能够有效发现其社团结构。因此基于传播限制的标签传播算法对于原始标签传播算法存在的不稳定性及社团融合问题有所改进。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1 研究背景及意义

1.2 社团挖掘国内外研究现状

1.3 本文主要工作和创新点

1.4 本文的组织结构

第二章 社交网络相关基础

2.2 社交网络建模方法

2.3 社交网络的社团检测方法

2.4 本章小结

第三章 基于传播限制的标签传播算法

3.1 问题描述及定义

3.2 利用先验知识

3.3 标签的传播限制

3.4 基于传播限制的标签传播算法

3.5 本章小结

第四章 实验仿真与结果分析

4.1 实验数据

4.2 评价标准

4.3 实验结果及分析

4.4 本章小结

第五章 工作总结与展望

5.2 工作展望

参考文献

致谢

作者简介