基于种子节点选择的重叠社区发现算法*

识别网络社区对于了解社会网络的结构和功能具有重要意义。由于网络中某些节点可能属于多个社区,因此重叠社区的研究已经吸引了人们越来越多的关注。本文针对目前从局部社区扩展成全局社区时有关算法的种子节点选择不合理的情形,提出了一种基于种子节点选择的重叠社区发现算法。本算法首先根据影响力函数找出局部影响力最大的节点,由这些节点构成的种子集合较好的分布在整个网络中,然后以这些种子点构造初始社区,根据设定的吸引度函数选择性添加节点来进行社区扩展。实验结果表明,该算法在真实网络上进行测试时能够有效的挖掘网络中的重叠社区。     

中国沿海城市全球化与地方化博弈逻辑与研究架构

中国沿海城市深受全球化与地方化双重影响,城市演化动力发生了巨变.学界有关全球化或地方化视域城市、产业、企业发展研究表明:(1)全球/地方化视域城市发展研究视角趋向于微观化,研究切入主线是城市体系、产业与企业,研究存在全球化转向地方化视角,区域经济宏观分析转向城市个体产业微观剖析,单一经济关系转向多重属性.(2)形成了全...     

社区能力视角下协商系统实践的类型特征与发展趋向——基于全国首批最具代表性优秀社区工作法的比较

社区协商是基层群众自治的生动实践,是社会主义协商民主建设的重要组成部分和有效实现形式.以社区能力视角为切入,结合当前协商民主研究最前沿的协商系统理论,建构了影响社区协商系统质量的社区能力要素框架.通过对民政部遴选出的全国首批最具代表性的10个优秀社区工作法进行案例比较分析,依照社区能力要素构成划分出不同的社区协商类型特...     

一种基于因子图模型的半监督社区发现方法

社区发现是社交网络分析中一个重要的研究方向.当前大部分的研究都聚焦在自动社区发现问题,但是在具有数据缺失或噪声的网络中,自动社区发现算法的性能会随着噪声数据的增加而迅速下降.通过在社区发现中融合先验信息,进行半监督的社区发现,有望为解决上述挑战提供一条可行的途径.本文基于因子图模型,通过融入先验信息到一个统一的概率框架中,提出了一种基于因子图模型的半监督社区发现方法,研究具有用户引导情况下的社交网络社区发现问题.在三个真实的社交网络数据（Zachary社会关系网、海豚社会网和DBLP协作网）上进行实验,证明通过融入先验信息可以有效地提高社区发现的精度,且将我们的方法与一种最新的半监督社区发现方法（半监督Spin-Glass模型）进行对比,在三个数据集中F-measure平均提升了6.34%、16.36%和12.13%.     

延迟容忍传感器网络中面向发布/订阅系统的事件传输

提出了一种延迟容忍无线传感器网络(delay tolerant sensor network,简称DTSN)中基于团体的发布/订阅系统事件传输协议CET(community-based event transmitting protocol).CET的核心思想是,网络中所有传感器节点依据它们的相互连通性形成若干个固定的团体(community),并基于这些团体进行事件的传输.CET协议由事件传输和队列管理两部分组成.在事件传输策略中,事件除了尽可能地传递给移动订阅者之外,移动订阅者保存的某些事件还回传给团体内的传感器节点以提高事件的传输成功率.队列管理则根据事件的成功传输次数和生存时间来共同决定存储队列中事件的重要程度和丢弃原则,以降低网络传输能耗.仿真分析表明,与直接收集DG(direct gathering)相比,CET能够以较低的事件传输能耗和传输延迟获得较高的事件传输成功率.     

KBAC:一种基于K-means的自适应聚类

K-means聚类算法存在的主要不足之处之一在于需要用户指定聚类核数目,在一般应用场景下,用户无法给出合适的聚类核数目.另一方面,K-means聚类所具有的可并行化特点非常适合运用到云计算平台上以处理大规模数据样本的聚类任务.本文提出KBAC算法采用K-means算法作为预聚类过程并在云平台上进行实现和优化,能够自适应确定最佳聚类核数目并进行聚类.其核心思想是将样本空间聚类问题转换为图上社团发现问题.理论和实验证明,通过在云计算框架下实现K-means预聚类过程的并行化,KBAC算法能够高效地对大规模数据进行聚类,并获得高质量的聚类结果.     

一种联合拓扑与属性的社区模糊划分算法

现有的社区发现算法通常基于结构特性进行社区划分,对节点属性特征欠缺考虑。为此,提出一种基于模糊等价关系的社区发现算法。用完全相异距离指数的概念将拓扑结构与属性特征相结合,以此作为隶属关系建立模糊等价关系矩阵,选择合适的聚类f阂值对网络进行社区划分。实验结果证明,与传统的GN算法相比,该算法发现社区的准确率较高,在相同社区内的节点连接紧密且具有同质性。     

铸牢网络空间中华民族共同体意识的知识图谱实践探索

构建社会主义核心价值观垂直领域知识图谱,铸牢网络空间的中华民族共同意识,实现思想政治教育、计算机学科、新兴交叉学科多学科融合.知识图谱构建包括知识建模,知识抽取、知识融合、知识存储四部分..构建完成的知识图谱有助于增强网络空间中华民族共同体意识传播的智力支持,丰富网络传播内涵,提升中华民族的凝聚力和向心力.     

Daily recovery experiences: The role of volunteer work during leisure time.

This study focused on the role of volunteer work for daily recovery from work. In a 1-week diary study with 166 employees, we assessed the amount of time spent on volunteer work during leisure time, and the recovery facets of psychological detachment from work (i.e., mentally switching off from work), mastery experiences (i.e., pursuing challenging activities), and community experiences (i.e., cultivating relationships) every day before participants went to bed. Results from hierarchical linear modeling (n = 529 days) showed volunteer work during leisure time to be positively related to mastery experiences and community experiences suggesting volunteer work to contribute to successful recovery by creating new resources. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

完全子图的邻域重叠社团结构探测

为了能够更准确地对邻域重叠网络进行社团结构探测,对基于完全子图的社团探测算法进行了改进。在合并完全子图团簇时,计算每一对完全子图的重叠节点个数,设置合并完全子图的阈值,如果大于阈值,则合并。当处理不在团簇内的其他节点时,按照比例系数大小为划分规则进行划分。该算法可以应用于空手道俱乐部和科学家合作网当中,其验证算法可以更准确地探测邻域重叠社团结构。