动态社会网络社团结构的划分

摘要

社会网络社团结构划分是社会网络分析的一个重要研究方向，是近年来的研究热点。传统的静态社会网络社团划分方法不能满足目前社会网络分析的需要，因此随着技术发展，研究逐步转向动态网络。动态社会网络社团发现的研究，有助于揭示真实网络的组织原则、拓扑结构和动力学特性，具有十分重要的意义。论文的主要工作如下： (1)为了识别网络中兼顾社团中心程度和社团间桥接能力的重要节点，提出了结构洞度指标(D-importance，DI)。该算法通过将k-shell和结构洞识别算法相结合，从而达到发现重要节点的目的。仿真结果表明，该算法求出的节点具有高度中心性和桥接性。 (2)针对目前传统静态社团划分算法时间复杂度高、不能识别社团个数的缺陷，提出基于结构洞度和接近度的静态社团划分算法(Structural Hole Proximity,SHP)。该算法的主要思想是首先利用DI算法找到初始节点，然后计算和初始节点所在社团最相似的节点并结合局部模块度进行局部聚类，从而达到社团划分的目的。仿真结果表明，该算法划分的社团结构拥有较高的准确率和模块度。 (3)针对现存基于增量分析的动态网络社团划分算法忽略网络突变的缺陷，提出基于链路聚类的增量社团划分算法(lncremental Link Clustering，ILC)。该算法包含两个过程(SHP和基于局部结构洞度和接近度的动态社团划分方法(Local Structural Hole Proximity,LSHP》。该算法思路是初始时刻网络用SHP算法求社团结构。然后对其他时刻网络分情况讨论，如果网络发生突变，利用SHP算法，得到该时刻社团结构。否则，首先利用LSHP算法求该时刻社团结构，然后对求得的社团结构判断其稳定性，如果社团稳定，该时刻网络社团划分结束，否则利用SHP算法重新得到该时刻社团结构。仿真结果表明，该算法划分的社团结构拥有较高的模块度和NMI。

目录

images (1)

selection