面向标签传播算法的社团检测研究现状及展望

标签传播算法的社团检测原理简洁、时间复杂性低,产生了大量的基于标签传播的社团检测方法,亟需系统性总结.本文首先分析概括了标签传播算法存在的问题、成因和挑战;然后主要从以下几方面分别阐述了其研究现状,汇总了相关方法采用的策略,分析比较了代表性算法:1)提高算法性能,2)解决不确定性问题,3)解决标签震荡现象,4)解决平凡...     

软件学院办学热点的实证分析

借助社会网络分析学的方法,利用中国知网(CNKI)数据库近10年(2004-2013年)收录的跟软件学院办学相关的文献信息,构建软件学院办学热点网络,对我国软件学院的办学热点进行分析。结果表明,我国软件学院办学热点集中在4个方面:软件学院办学的基本内容研究、软件学院校企合作研究、软件学院教学理论和管理机制研究、软件学院各类支撑管理系统研究。该分析结果将给我国软件学院办学的进一步发展提供借鉴。     

基于兴趣的轻博客网站拓扑特性分析

为了了解新型在线社会网络——轻博客网站的拓扑特性,该文以国内最大的轻博客网站——点点网为研究对象,根据用户间兴趣关系构建兴趣网络,从小世界效应、无标度特征和中心度等角度对该网络进行了实证分析,为进一步认识和研究轻博客网站奠定了基础。     

网络体系结构BNA与OSI的比较

在综述了开放系统互连参考模型(DSI)与宝来网络体系结构(BNA)之后,本文以OSI为参考模型中各层规定的功能与服务作比较点,对OSI与BNA进行了较详细的比较和研究。并指出OSI应成为我国计算机网络技术发展的主要途径和方向。     

基于兴趣的轻博客网站拓扑特性分析

为了了解新型在线社会网络——轻博客网站的拓扑特性,该文以国内最大的轻博客网站——点点网为研究对象,根据用户间兴趣关系构建兴趣网络,从小世界效应、无标度特征和中心度等角度对该网络进行了实证分析,为进一步认识和研究轻博客网站奠定了基础。     

Omninet网络与OSI网络在网络层上的互连

本文在对Omninet的特性和OSI网络层进行一般分析的基础上,详细描述在网络层上实现网络互连的结构特性与意义,并设计了汇合协议的各部分功能,向Omninet各用户提供无连接的OSI网络服务,并详细说明系统的实现,包括硬件结构和软件模块,最后是文章的小结和对系统实际运行情况的简单说明。     

基于复杂网络理论的计算机网络拓扑分析

复杂网络是指具有无标度、小世界、吸引子、自相似、自组织中部分或者所有性质的网络。在现实世界中,许多复杂的系统基本上都能以网络来进行描述,而现实中的那些复杂的系统则可以以“复杂网络”来称之,比如社会网、交通网、电力网、万维网、因特网等等都可以称之为复杂网络。本文主要通过对复杂网络理论的介绍,从而对计算机Intemet网进行分析,对Intemet网这一复杂系统进行探究,揭示Intemet拓扑现象的特性、规律及动因。     

基于复杂网络理论的计算机网络拓扑研究

复杂网络理论是一门新兴学科。随着计算机网络的快速发展,网络结构日益复杂,使得传统的随机网络模型已很难对其拓扑特性作出客观的描述,因此,复杂网络理论为计算机网络拓扑的研究提供了一个新的视野和思路。文章对复杂网络理论作了介绍,综述了当前基于复杂网络理论计算机网络拓扑研究的状况并指出了其中存在的问题;强调将复杂网络理论应用到计算机网络拓扑研究当中的必要性。最后对复杂网络理论在未来计算机网络拓扑研究中的可能应用方向作了总结。     

在复杂网络条件中发现基因本体的隐藏信息

近年来,本体作为语义表示被广泛的应用到众多学科中。基因本体是本体优势的一个很好的例证,并作为共享控制性词汇被应用到实践当中。但是,随着本体的规模和复杂性的迅速增加,使得本体的结构变得越来越复杂而难以理解和使用。本文主要研究发现隐藏信息,诸如复杂网络大型本体的拓扑特征和潜在的重要的术语等。通过研究说明基因本体显示出与复杂网络相同的拓扑特征,就像“smallworld”和“scale-free”。本文评价了中心化方法对于本体重要概念的识别非常合适,并且表明在所有评估的中心化测量中,Betweenness Centrality是最合适的方法。     

协议形式描述及验证的时态系统

本文通过对网络协议形式化描述和验证问题的研究,针对网络协议的特性,给出了一种基于时态逻辑的模型系统。用该系统能较为方便地对协议进行形式化的描述,并通过建立演绎系统而进行协议性质的有效验证,最后还对一个简单例子进行描述和验证。     

Temporal evolution of contacts and communities in networks of face-to-face human interactions

Temporal dynamics of social interaction networks as well as the analysis of communities are key aspects to gain a better understanding of the involved processes, important influence factors, their effects, and their structural implications. In this article, we analyze temporal dynamics of contacts and the evolution of communities in networks of face-to-face proximity. As our application context, we consider four scientific coil- ferences. On a structural level, we focus on static and dynamic properties of the contact graphs. Also, we analyze the resulting community structure using state-of-the-art automatic community detection algorithms. Specifically, we analyze tile evolution of contacts and communities over time to consider the stability of the respective conmmnities. Furthermore, we assess different factors which have an influence on the quality of com- munity prediction. Overall, we provide first important insights into the evolution of contacts and communities in face-to-face contact networks.     

基于结构的社会网络分析

互联网的发展和社交网站的流行为研究社会网络提供了大规模的实验平台.主要使用DBLP和Facebook数据集构建网络,采取角色连接轮廓方法从结构上进行划分,发现它们属于外围串类型;验证了社会网络的一些统计性质,比如无标度分布、稠化定律和直径缩减等;发现社会网络中存在紧密连接且直径较小的核心结构,规模中等的社区主要呈现星型结构;基于事件框架研究了社会网络中社区结构的进化,发现社区间的融合很大程度上取决于社区间直接连接的节点所构成网络的聚类系数,而社区的分裂则与该社区的聚类系数相关.     

基于加权网络模块强度的社团划分

为了更好地将社交网络中的社团结构识别出来,努力实现社团结构的自然划分,在对模块度参数重新定义的基础上,提出了一种基于加权网络模块强度的社团划分算法。该算法的复杂性较低,能有效地完成加权复杂网络的社团划分。实验的模拟和仿真证实了算法的可行性和有效性。     

动态社区发现方法研究综述

随着社交媒体多样性的增加,实时分析社交网络的需求不断增大,动态社区发现的研究受到了广泛的关注。已有的社区发现综述多是侧重静态社区发现,以及相关方法的探讨,无法进行网络演化分析,此外社区的实体数据往往具有交叉更替性和时序性,因此对动态社区发现的研究现状进行分析和综述。首先,基于复杂网络的研究背景,提出了通用的动态社区发现研究框架;接着,形式化表示动态社区发现的相关定义,并从网络层面和节点层面对动态社区演化进行详细分析;然后,根据架构和技术的不同,对动态社区发现方法进行归纳分类,并结合常用数据集和评价指标对经典静态社区发现算法进行定性和定量分析;最后,介绍了社区发现的典型应用场景,探讨了当前动态社区发现研究面临的主要挑战,针对性地提出了相关解决方案,为动态社区发现研究领域勾画出较为清晰和全面的研究方向。     

复杂网络重叠社团检测算法研究综述

社团结构是复杂网络的一项基本特性,对复杂网络中社团结构特别是重叠社团结构的检测,是复杂网络理论研究的一项重要且充满挑战的课题.对当前常用的重叠社团检测算法进行了分析和归纳,阐述每类算法特点,并介绍用于评价算法性能的一些基准图,对复杂网络重叠社团检测领域未来的研究方向提出了一些思考和建议.     

复杂网络社区挖掘——改进的层次聚类算法

社区挖掘算法研究是复杂网络分析领域的热点问题。传统层次聚类算法在复杂网络社区挖掘过程中,需要计算所有顶点对之间的相似度。针对这一缺点,在详述了常见相似度计算方法和顶点重要性度量方法的基础上,将ego角色的探测过程引入层次聚类算法,而后只计算其他顶点与ego顶点之间的相似度,提高了社区挖掘效率。最后在不同类型的现实网络中验证了算法的有效性。     

复杂网络中社区发现方法的研究

研究复杂网络中社区发现方法对分析复杂网络的拓扑结构和层次结构、理解社区的形成过程、预测复杂网络的变化趋势、挖掘复杂网络蕴含的规律特征具有十分重要的意义。同时,复杂网络社区发现方法在众多实际领域还有广泛的应用前景。综述了复杂网络社区发现方法的研究现状,将社区发现方法分为无重叠社区发现、重叠社区发现、演化发展社区发现三个方面,并分析比较了算法时间复杂度和准确度。试图为社区发现方法的研究工作提供有益的帮助和参考。     

Global core,and galaxy structure of networks

We propose a novel approach,namely local reduction of networks,to extract the global core(GC,for short)from a complex network.The algorithm is built based on the small community phenomenon of networks.The global cores found by our local reduction from some classical graphs and benchmarks convince us that the global core of a network is intuitively the supporting graph of the network,which is"similar to"the original graph,that the global core is small and essential to the global properties of the network,and that the global core,together with the small communities gives rise to a clear picture of the structure of the network,that is,the galaxy structure of networks.We implement the local reduction to extract the global cores for a series of real networks,and execute a number of experiments to analyze the roles of the global cores for various real networks.For each of the real networks,our experiments show that the found global core is small,that the global core is similar to the original network in the sense that it follows the power law degree distribution with power exponent close to that of the original network,that the global core is sensitive to errors for both cascading failure and physical attack models,in the sense that a small number of random errors in the global core may cause a major failure of the whole network,and that the global core is a good approximate solution to the r-radius center problem,leading to a galaxy structure of the network.     

基于群体智能的自组织重叠社团结构分析算法

社团结构分析是复杂网络研究的一项重要内容。基于群体智能思想提出了一种自组织的重叠社团结构分析算法SO^2CSA^2。基本思想是：把网络视为一个群体,网络节点是其中的一个个具有简单智能的个体,每个个体依据定义的社团连接分数自主决定要加入的社团（可同时加入多个社团）。首先在网络中寻找一组K-派系作为初始社团结构;在此基础上,所有个体迭代地选择其社团归属,最终整个网络的社团结构将逐渐生长出来;最后对获得的社团结构进行后处理,即调整少量节点的社团归属,以提高其质量。在一组合成网络和现实世界网络上的实验表明,SO^2CSA^2发现的社团结构的质量比两种对比算法（SLPA和OSLOM）更好,尤其是在网络中重叠节点较多或节点重叠度较大的情况下,社团结构质量的提升更为明显。