在线社会网络的动态社区发现及其演化

分析了目前动态社区发现及其演化所存在的问题,提出了一种新的动态社区演化方法.该方法利用静态社区挖掘算法提取不同时间快照的每个社区,然后计算出相邻快照的社区之间的演化影响力,进一步分析连续快照中社区结构的发展演化过程.在新浪微博、网络测量Gnutella等大规模实验数据集上的验证,证明了该方法的有效性.此外,实验中还分析了社会网络中节点的出现和消失的频繁程度会影响社区稳定性以及社区结构的演化.      

动态社会网络中的社区挖掘算法研究

为解决社区挖掘问题,针对社会网络的动态特性,给出了新的社区定义,并结合连通性和频繁性概念提出一种新的算法DCSMA(Dynamic Community Structure Mining Algorithm)。挖掘时刻连通的个体集合作为社区,采用层状结构模型,根据重要性权重区分社区内个体,使社区结构更加清晰。在标准测试数据集上的实验结果表明了该算法的可行性和有效性。     

基于社会网络分析的P2P网络挖掘

设计并实现了一种在P2P网络中基于社会网络分析的数据挖掘算法。该算法可以挖掘出P2P网络中的中心节点、关键节点和社区结构,这为P2P网络的激励机制确定给哪些节点相应的激励措施提供了有效依据。     

一种基于介数和时效性的动态社区发现算法

为了发现动态变化的社区结构,在分析了动态社区划分算法的研究现状基础上,提出一种基于时效性和介数的动态社区发现算法,对历史信息的时效性进行了计算,建立了综合有权网络,基于局部边介数进行社区划分,发现了稳定社区结构。实验表明了算法的有效性。     

基于Louvain重叠社区发现算法

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集American College Football对该算法与常用重叠社区发现算法CPM、LFM和COPRA进行实验对比,结果表明:增益度函数dq能判断重叠节点,且通过找到社会网络中的重叠节点发现重叠社区;该算法在重叠模块度EQ上比CPM、LFM和COPRA算法分别提高17.05%、12.81%和9.45%,在运算时间上比CPM算法、COPRA算法分别增加了12.62%、7.15%,比LFM算法减少了23.06%,表明在综合重叠模块度EQ与算法时间上,本文基于Louvain重叠社区发现算法都优于其他的算法。     

基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的,发现社区对于了解复杂网络的结构及其关系有很大的帮助,文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features,CANF)算法,利用标记节点频率和反示例节...     

图书馆的静态美和动态美

从美学的角度对图书馆的建筑、环境、文献如何体现静态美和工作人员、读者如何体现动态美两方面进行了探讨与研究。指出：只有创造图书馆的动静美,才能更大限度地发挥图书馆的功能和价值。     

浅析静态路由对网络访问的控制

通过对路由工作原理的分析,介绍了利用静态路由来实现子网之间的访问控制。     

基于标签传播的稳定重叠社区挖掘算法研究

为解决重叠社区挖掘算法中效率与稳定性不能兼顾的情况,本文提出了一种基于标签传播的稳定重叠社区挖掘算法（SOCLP）。该算法首先利用两种标签选择策略解决了基于标签传播算法中的稳定性问题,然后又通过引入平衡因子对算法的稳定性进行了有效的控制。实验结果证明,本文所提出的SOCLP算法可以同时关注社区挖掘的质量、效率和稳定性。     

采用链路聚类的动态网络社团发现算法

针对当前基于节点的动态网络社团结构发现算法难以发现稳定的社团结构的问题,提出了一种采用链路聚类的动态网络社团发现算法(LDC)。该算法首先从链路的角度得到网络的链路图结构;然后对比不同时刻的链路图结构,将动态网络中节点的添加与移除以及边的添加与移除等复杂的变化信息简化为链路添加和链路移除2种增量变化信息;再在前一时刻社团结构的基础上以改进的链路划分密度函数对增量变化信息中变化的链路进行处理,判断该链路是否加入到社团中从而得到最优的社团结构;最后将得到的链路社团转化成为最终的节点社团结构。实验结果表明,相比于当前基于节点的动态社团发现算法,LDC算法能够有效地发现网络中结构稳定的社团结构,其模块度值和标准化互信息值至少提高了0.19和0.13,且算法的运行效率要明显优于基于节点的动态社团发现算法。     

社会网络社区识别方法研究

随着Facebook、微信、人人网等社区网络的兴起,社会网络的研究受到越来越多研究人员的注意。社会网络的研究可以为舆论分析、传染病传播等提供技术和理论的支持。关注社会网络的热点问题,对社会网络分析、社会网络社区识别等国内外研究现状及基本技术进行分析,为开展相关研究奠定基础。     

基于社区节点重要性的社会网络压缩方法

针对目前图压缩方法中存在的时间复杂度较高、依赖先验知识设定参数、需要调节的参数过多、压缩有损、忽视网络社区结构等问题, 提出基于社区节点重要性的社会网络压缩方法。该方法由基于贪婪策略的社区发现算法(GS)和社会网络压缩算法(SNC)两部分组成。GS算法采用拓扑势理论, 不但可以实现社区发现, 而且可挖掘出社区中的重要节点。SNC算法以网络社区为压缩对象, 在保持社区间的关联关系的前提下实现了无损压缩, 并可在必要时保留社区中的重要节点或基本结构。通过实验, 对方法的可行性和有效性进行了验证。     

基于FOAF的社会网络模块的开发

摘要：FOAF（Friend of a Friend）词汇表提供了一种在Web上描述个人信息的方法。本文将FOAF应用于社会网络模块中，使其作为一种协议连接不同系统的用户以形成社会网络。基于一些开放源码软件，实现了一个实验原型。     

面向大规模在线社交网络的社团抽取算法

针对现有的社团分析算法无法在大规模网络上应用的问题,提出一种社团抽取算法,可以高效地分析网络的社团特征.该方法无需事先获取网络的全部拓扑结构,采用网络搜索与社团判定相结合的思路,可有效地抽取结构未知的社交网络上的某个特定社团,从而使分析超大规模网络社团结构成为可能.在仿真数据集上进行实验,分析抽取准确率的影响因素,得出网络平均度越大抽取准确率越高.进一步实验结果表明,社团抽取算法的准确率与现有方法接近,并且执行效率明显高于现有方法,验证了该算法的可行性和有效性.     

长三角城市间科学合作的社会网络动态分析

借助社会网络分析方法,对1991-2010年长三角16个城市间科学合作的网络密度、中心度、平均路径长度和簇系数等指标的计算和分析,分别从宏观和微观网络结构两个方面考察其网络发展的动态特征与演进机理。结果表明:长三角城市间科学合作的网络架构已经基本成形,但网络发展呈明显的非均衡性。虽然网络驱动功能出现了向中小型城市倾斜的趋势,但以上海和南京等大城市主导的"核心-边缘"网络结构仍在不断加深并长期存在。     

静、动力刚度关系在RC简支梁动力损伤诊断中的应用

结构的静、动力刚度关系是动力损伤诊断技术应用于钢筋混凝土结构静力状态评估的基础 本文以一根钢筋混凝土简支梁为例,利用Matlab工具箱构造了一个人工神经网络以建立模态参数与动力刚度间的关系,再根据已有的动、静力刚度关系式方便地由实测得到的固有频率数据推算出相应状态下粱的静力刚度值,从面对结构的静力工作状态有更全面的认识     

社会性标签系统的k-派系社团发现的研究

社会性标签系统是一种新的信息组织和资源分类方式,呈现明显的复杂网络特性,存在许多相互重叠的社团结构,本文分析了社会性标签系统中不同主体的社团结构,并且利用社团发现算法挖掘系统中k-派系社团。