基于嵌入向量和标签传播的社区发现

发布时间：2024-01-25 11:37

　　复杂网络存在于现实生活的各个方面,并随着社会的进步在规模上不断增大。小到生物体内细胞间的相互作用,大到个人乃至国家之间的社会关系,都能以复杂网络的形式把个体和整体的关系表达出来,因此,复杂网络变得越来越重要。在复杂网络中,社区结构是一个非常重要的特性,可以帮助解决很多的实际问题。社区结构既能表达网络中节点行为的局部特征,也可以反映出节点之间的相互关系。研究者早在上世纪就开始了对复杂网络中社区结构的研究,涌现出了非常多的优秀成果。研究社区结构可以帮助我们理解复杂网络的结构和功能,并且对网络节点间相互作用的分析和预测起着至关重要的作用。近些年来,研究者从不同角度出发,提出了大量的社区发现算法,其中标签传播算法就是一类经典的算法。该方法思想简单、易于实现,并且具有复杂度低、执行效率高等优点,因此受到了广泛关注。但是,标签传播算法有一个明显的缺点,迭代中节点标签号的更新不稳定,导致社区划分结果差异较大。而在对复杂网络的研究中,网络表示学习是一种非常重要的技术,它通过分布式方法来描述网络,用向量的形式来表示网络中的每一个节点,这些向量之间的关系可以反映出节点之间的重要关系,得出这些相关向量的关键...

【文章页数】：65 页

【学位级别】：硕士

图1.1一个简单的网络，包含四个社区由虚线标识

图1.2非重叠社区发现算法分类信息论社区发现算法，一个非常经典的算法便是Rosvall[10]

图1.3Infomap算法流程

图2.1Raghavan的算法流程图

本文编号：3884747