發(fā)布時(shí)間：2018-10-05 16:12

【摘要】：近年來(lái)隨著以互聯(lián)網(wǎng)為代表的網(wǎng)絡(luò)信息技術(shù)的迅速發(fā)展,人類(lèi)社會(huì)已經(jīng)邁入了復(fù)雜網(wǎng)絡(luò)時(shí)代。在生活中很多復(fù)雜的系統(tǒng)可以抽象成復(fù)雜網(wǎng)絡(luò),進(jìn)而轉(zhuǎn)換成圖的形式進(jìn)行研究,社區(qū)結(jié)構(gòu)作為網(wǎng)絡(luò)中的一個(gè)重要性質(zhì),近年來(lái)引起了越來(lái)越多人的研究。理解網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu),不僅有助于分析網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),而且有重要的實(shí)用價(jià)值,例如在社交網(wǎng)絡(luò)中可以找出同屬于一個(gè)社區(qū)但沒(méi)有連接的用戶,互相推薦為好友。鏈路預(yù)測(cè)作為復(fù)雜網(wǎng)絡(luò)與信息科學(xué)聯(lián)系起來(lái)的重要橋梁之一,受到了越來(lái)越多的關(guān)注。鏈路預(yù)測(cè)的相關(guān)研究不僅能夠推動(dòng)網(wǎng)絡(luò)科學(xué)和信息科學(xué)理論上的發(fā)展,而且有巨大的實(shí)際應(yīng)用價(jià)值,例如可以指導(dǎo)蛋白質(zhì)相互作用實(shí)驗(yàn)、進(jìn)行在線社交推薦等。然而現(xiàn)在的大多數(shù)鏈路預(yù)測(cè)算法只考慮了網(wǎng)絡(luò)的局部信息或路徑信息,而網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)信息一般很少考慮到。本文中提出了一種考慮網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的基于動(dòng)力學(xué)的鏈路預(yù)測(cè)算法,進(jìn)而將這種算法應(yīng)用到復(fù)雜網(wǎng)絡(luò)的鏈路預(yù)測(cè)上,也研究了有符號(hào)網(wǎng)絡(luò)上的結(jié)構(gòu)信息,提出了一種基于模塊度的改進(jìn)的有符號(hào)網(wǎng)絡(luò)社區(qū)檢測(cè)算法。本文的主要工作如下:1.為了研究復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)性質(zhì)對(duì)鏈路預(yù)測(cè)結(jié)果的影響,主要是復(fù)雜網(wǎng)絡(luò)聚類(lèi)系數(shù)和鏈路預(yù)測(cè)之間的關(guān)系,分別在不同的網(wǎng)絡(luò)模型上進(jìn)行試驗(yàn),實(shí)驗(yàn)結(jié)果表明復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)結(jié)果隨著網(wǎng)絡(luò)聚類(lèi)系數(shù)的增大而提高,在聚類(lèi)系數(shù)相同的情況下BA網(wǎng)絡(luò)越容易預(yù)測(cè)。2.在Kuramoto模型的基礎(chǔ)上,把連續(xù)的相位微分方程改成離散的相位微分方程,提出了一種基于相位相似度的鏈路預(yù)測(cè)算法。由于在真實(shí)的社會(huì)網(wǎng)絡(luò)中同一個(gè)社區(qū)不存在邊的兩個(gè)節(jié)點(diǎn)相位相似度值比較大,而不同社區(qū)之間存在邊的兩個(gè)節(jié)點(diǎn)相位的相似度比較小,因此單純的相位相似度的鏈路預(yù)測(cè)算法效果還是不理想,為了克服這一缺點(diǎn),本文中把相位的相似度和共同鄰居結(jié)合,即把網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)信息和網(wǎng)絡(luò)的局部信息相結(jié)合,提出了一種基于網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的動(dòng)力學(xué)的混合的鏈路預(yù)測(cè)算法,分別在真實(shí)的網(wǎng)絡(luò)和人工生成的網(wǎng)絡(luò)上進(jìn)行試驗(yàn),并將與已有的鏈路預(yù)測(cè)算法對(duì)比,證明了本文中所提出的方法有效性。3.提出一種符號(hào)網(wǎng)絡(luò)的社區(qū)檢測(cè)算法。在已有符號(hào)網(wǎng)絡(luò)的模塊度基礎(chǔ)上,基于有符號(hào)網(wǎng)絡(luò)的性質(zhì),定義了一種專(zhuān)門(mén)針對(duì)符號(hào)網(wǎng)絡(luò)的相似度函數(shù)。根據(jù)節(jié)點(diǎn)之間的相似度函數(shù)找出最適合合并的節(jié)點(diǎn)即彼此之間相似度最大的節(jié)點(diǎn)進(jìn)行合并,在判斷節(jié)點(diǎn)是否能合并及合并的終止條件時(shí),通過(guò)已有符號(hào)網(wǎng)絡(luò)的模塊度,定義了一種新的判斷兩個(gè)節(jié)點(diǎn)能否進(jìn)行合并的條件,把文章提出的算法應(yīng)用到真實(shí)網(wǎng)絡(luò)和人工生成的網(wǎng)絡(luò)中都取得了比較好的效果,證明了提出算法的有效性。
[Abstract]:In recent years, with the rapid development of network information technology represented by the Internet, human society has entered a complex network era. In life, many complex systems can be abstracted into complex networks and then transformed into graphs for study. As an important property of network, community structure has been studied by more and more people in recent years. Understanding the community structure of the network not only helps to analyze the topology of the network, but also has important practical value. For example, we can find users who belong to the same community but have no connection in the social network, and recommend each other as friends. As one of the important bridges between complex network and information science, link prediction has attracted more and more attention. The related research of link prediction can not only promote the development of network science and information science, but also have great practical application value, such as guiding protein interaction experiment, online social recommendation and so on. However, most of the existing link prediction algorithms only consider the local information or path information of the network, while the community structure information of the network is rarely considered. In this paper, a dynamic link prediction algorithm considering the network community structure is proposed, which is applied to the link prediction of complex networks, and the structural information of signed networks is also studied. An improved community detection algorithm based on modularity is proposed. The main work of this paper is as follows: 1. In order to study the influence of the structural properties of complex networks on the results of link prediction, the relationship between clustering coefficients and link prediction of complex networks is mainly studied, and the experiments are carried out on different network models. The experimental results show that the link prediction results of complex networks increase with the increase of network clustering coefficients, and the BA network is easier to predict with the same clustering coefficient. On the basis of Kuramoto model, the continuous phase differential equation is changed into discrete phase differential equation, and a link prediction algorithm based on phase similarity is proposed. In a real social network, the phase similarity of two nodes with no edge in the same community is relatively large, while the similarity between two nodes with edge in different communities is relatively small. Therefore, the link prediction algorithm with pure phase similarity is still not ideal. In order to overcome this shortcoming, this paper combines the phase similarity with the common neighbor, that is, combining the community structure information of the network with the local information of the network. In this paper, a hybrid link prediction algorithm based on dynamics of network community structure is proposed, which is tested on real network and artificial network, and compared with existing link prediction algorithms. The method proposed in this paper is proved to be effective. A community detection algorithm based on symbolic network is proposed. Based on the modularity of existing symbolic networks and the properties of signed networks, a similarity function is defined for symbolic networks. According to the similarity function between nodes, the nodes that are most suitable for merging, that is, the nodes with the greatest similarity between each other, are found to merge. When judging whether the nodes can be merged and the termination conditions of the merging, the modularity of the existing signed network is adopted to determine whether the nodes can be merged or not. This paper defines a new condition to judge whether two nodes can be merged, and applies the proposed algorithm to real network and artificial generated network, and proves the effectiveness of the proposed algorithm.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：O157.5;TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 劉國(guó)新;楊坤;;分布式創(chuàng)新網(wǎng)絡(luò)中的知識(shí)粘滯度探討——基于四維粘滯情境的視角[J];科學(xué)學(xué)研究;2012年09期

2 吳冰;王重鳴;唐寧玉;;軟件企業(yè)創(chuàng)業(yè)網(wǎng)絡(luò)對(duì)創(chuàng)新績(jī)效的影響機(jī)制研究[J];科學(xué)學(xué)研究;2007年S2期

3 黃彥彬;楊壽保;滕達(dá);赫衛(wèi)卿;王淑玲;;WiMAX Mesh網(wǎng)絡(luò)下具有QoS保障的動(dòng)態(tài)握手方案[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2012年03期

4 呂韓飛;王申康;;一種二層PE實(shí)現(xiàn)MPLS BGP VPN組網(wǎng)的方案[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年03期

5 ;[J];;年期

相關(guān)會(huì)議論文 前6條

1 黃建玉;;淺談3G的網(wǎng)絡(luò)安全規(guī)劃[A];2007中國(guó)科協(xié)年會(huì)——通信與信息發(fā)展高層論壇論文集[C];2007年

2 葉作亮;高千惠;代麗;張夢(mèng);;回文網(wǎng)絡(luò)——探析Web信息的結(jié)構(gòu)和形成機(jī)制[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——信息管理分會(huì)場(chǎng)論文集[C];2011年

3 商宗雁;;光網(wǎng)絡(luò)發(fā)展展望[A];黑龍江省通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2005年

4 陳鋼;;MSTP技術(shù)在3G傳輸網(wǎng)絡(luò)建設(shè)中的重要意義及其發(fā)展趨勢(shì)[A];中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)2005年年會(huì)論文集[C];2005年

5 陳文雄;;OTN技術(shù)在城域光網(wǎng)絡(luò)的應(yīng)用分析[A];第十屆中國(guó)科協(xié)年會(huì)信息化與社會(huì)發(fā)展學(xué)術(shù)討論會(huì)分會(huì)場(chǎng)論文集[C];2008年

6 馬潤(rùn)斌;;IP網(wǎng)絡(luò)發(fā)展的基石——服務(wù)質(zhì)量(QoS)[A];中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)2005年年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 ;滲透網(wǎng)絡(luò)演繹安全神話[N];中國(guó)計(jì)算機(jī)報(bào);2005年

2 王曉光;農(nóng)資營(yíng)銷(xiāo)網(wǎng)絡(luò)建設(shè)思路[N];農(nóng)資導(dǎo)報(bào);2005年

3 高國(guó)棟;堵住漏點(diǎn) 不留縫隙[N];中國(guó)計(jì)算機(jī)報(bào);2003年

4 湖北大學(xué)網(wǎng)絡(luò)中心 李超;易于管理的網(wǎng)絡(luò)[N];計(jì)算機(jī)世界;2005年

5 ;透視世界第一部網(wǎng)絡(luò)戰(zhàn)爭(zhēng)法規(guī)[N];中國(guó)航天報(bào);2011年

6 華為3Com 孫德和;業(yè)務(wù)融合網(wǎng)絡(luò)的魅力[N];中國(guó)電腦教育報(bào);2005年

7 CPW記者　張戈;華為3Com“安全滲透網(wǎng)絡(luò)”突破傳統(tǒng)思路[N];電腦商報(bào);2005年

8 孫保紅;3G UMTS網(wǎng)絡(luò)架構(gòu)建議[N];通信產(chǎn)業(yè)報(bào);2002年

9 本報(bào)記者　楊　谷;王之認(rèn)為： 網(wǎng)絡(luò)和制造是中國(guó)IT業(yè)的機(jī)會(huì)[N];光明日?qǐng)?bào);2000年

10 花榮軍;高樓平地起[N];中華合作時(shí)報(bào);2003年

相關(guān)博士學(xué)位論文 前8條

1 張蕊;網(wǎng)絡(luò)經(jīng)濟(jì)及其在中國(guó)的發(fā)展[D];四川大學(xué);2002年

2 禚釗;復(fù)雜網(wǎng)絡(luò)局域同步的實(shí)證、動(dòng)力學(xué)和若干應(yīng)用問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

3 傅榮;商務(wù)網(wǎng)絡(luò)成因與演化——基于資源觀理論的分析[D];廈門(mén)大學(xué);2003年

4 熊巧;區(qū)域綜合交通網(wǎng)絡(luò)布局優(yōu)化與決策研究[D];西南交通大學(xué);2015年

5 陶洋;網(wǎng)絡(luò)性能提升技術(shù)研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2001年

6 童俊杰;服務(wù)網(wǎng)絡(luò)中若干關(guān)鍵問(wèn)題的研究[D];北京郵電大學(xué);2014年

7 柯文前;高速公路交通流網(wǎng)絡(luò)的時(shí)空特征與城市空間關(guān)聯(lián)研究[D];南京師范大學(xué);2015年

8 張瑩瑩;清開(kāi)靈多組分干預(yù)腦缺血模型蛋白質(zhì)網(wǎng)絡(luò)主要模塊的識(shí)別與比較[D];中國(guó)中醫(yī)科學(xué)院;2014年

相關(guān)碩士學(xué)位論文 前10條

1 鞏慶良;鏈路預(yù)測(cè)和符號(hào)網(wǎng)絡(luò)社區(qū)檢測(cè)研究[D];西安電子科技大學(xué);2014年

2 丁濤;企業(yè)網(wǎng)絡(luò)的邊界效益分析[D];西北大學(xué);2007年

3 王峰;企業(yè)網(wǎng)絡(luò)的性能方案設(shè)計(jì)與優(yōu)化[D];湖北工業(yè)大學(xué);2011年

4 常峰;企業(yè)間網(wǎng)絡(luò)組織治理幅度研究[D];山西財(cái)經(jīng)大學(xué);2010年

5 張龍;基于動(dòng)力學(xué)的符號(hào)網(wǎng)絡(luò)社區(qū)檢測(cè)[D];西安電子科技大學(xué);2014年

6 趙延樂(lè);基于復(fù)雜網(wǎng)絡(luò)的鏈路預(yù)測(cè)研究[D];河北大學(xué);2014年

7 康釗寧;基于流行度和中心度的內(nèi)容網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法[D];北京交通大學(xué);2014年

8 王琳;新鄉(xiāng)下一代IP網(wǎng)絡(luò)的規(guī)劃與實(shí)施[D];北京郵電大學(xué);2008年

9 戶江民;復(fù)雜網(wǎng)絡(luò)環(huán)境下的分布式網(wǎng)絡(luò)拓?fù)涔芾砑败浖䦟?shí)現(xiàn)[D];電子科技大學(xué);2012年

10 武照東;基于Overlay網(wǎng)絡(luò)的多層網(wǎng)絡(luò)生存性研究[D];電子科技大學(xué);2009年

，

本文編號(hào)：2254032